tensorflow实现神经网络（lstm）如何使实验复现或固定权值

最新推荐文章于 2024-12-29 08:00:00 发布

原创最新推荐文章于 2024-12-29 08:00:00 发布 · 2.8k 阅读

12 ·

CC 4.0 BY-SA版权

tensorflow 专栏收录该内容

1 篇文章

订阅专栏

本文介绍了如何在TensorFlow中固定随机种子以确保实验的可重复性，以及如何为网络的初始值赋固定值，特别以LSTM网络为例，展示了如何查找并修改特定变量的值。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.固定随机种子

tf.set_random_seed(2)

或者在代码的顶端其他之前要有下面四行代码

from numpy.random import seed
seed(1)
from tensorflow import set_random_seed
set_random_seed(2)

2.为网络的初始值赋固定值，这里以lstm为例

#首先，利用trainable_variable函数找出所有训练变量的名称和值，并打印出来
variable_names = [v.name for v in tf.trainable_variables()]
values = sess.run(variable_names)
for k, v in zip(variable_names, values):
    print("Variable: ", k)
    print("Shape: ", v.shape)
    print(v)
#然后找出需要赋值的变量名称，在逐个将其与所有变量的名称比较，若相同，则利用tf.assign(variable,num)为其赋值，然后运行run即可赋值
 for v in tf.trainable_variables():
        if v.name=='rnn/multi_rnn_cell/cell_1/basic_lstm_cell/bias:0':
            sess.run(tf.assign(v, [ 1.0 for i in range(512)]))