可重复结果的种子不起作用Tensorflow

问题描述

我遇到了一个问题，与使用 Tensorflow (v1.15.3) 的结果的可重复性有关。我设置了所有种子（os、random、numpy 和 tensorflow），但卷积神经网络的结果总是在执行之间发生变化（即使相似）。

我是这样播种的：

seed_value = 1234

import os
os.environ['PYTHONHASHSEED'] = str(seed_value)
import random
random.seed(seed_value)
import numpy as np
np.random.seed(seed_value)
import tensorflow as tf
tf.compat.v1.set_random_seed(seed_value)
tf.set_random_seed(seed_value)

接下来我像这样定义网络的权重：

weights = {
    'conv1/conv2d': tf.get_variable('conv1/weights',shape=[3,3,512,1024],initializer=tf.contrib.layers.xavier_initializer()),# and more ...
}

（如果我使用或不使用权重的初始化程序，事情不会改变）

之后，我使用之前初始化的权重定义了带有卷积操作的图（我省略了这一点，因为在 Tensorflow 中无法将种子设置为 tf.nn.Conv2d 操作，并且因为只有权重是动态部分可能影响结果的模型）。

知道如何在使用 Tensorflow 以这种方式定义模型后始终获得相同的结果吗？

谢谢。

解决方法

我建议，之后

weights = {
    'conv1/conv2d': tf.get_variable('conv1/weights',shape=[3,3,512,1024],initializer=tf.contrib.layers.xavier_initializer()),# and more ...
}

例如，将重量外部存储在文件中，然后下次运行时，不要通过前一行并从外部文件加载重量。

python seed tensorflow