关于tf.random_normal方法中seed的作用

最新推荐文章于 2023-08-10 12:25:37 发布

转载最新推荐文章于 2023-08-10 12:25:37 发布 · 1.4k 阅读

人工智能专栏收录该内容

46 篇文章

订阅专栏

本文深入探讨了TensorFlow中random_normal函数的seed参数作用，通过实验验证了当指定seed值时，即使在不同环境中运行，生成的随机数序列也会保持一致，确保了结果的可复现性。

今天跟着书学习 TF 的时候，看到代码示例里面有这么一段代码：

import tensorflow as tf
...
w1 = tf.random_normal([2,3], stddev=1, seed=1)
w2 = tf.random_normal([3,1], stddev=1, seed=1)
...

我们知道 tf.random_normal 方法是生成随机的矩阵参数，如上例中就是生成一个3×1的矩阵，stddev 参数是控制方差，这些都好理解，就是看到这个 seed 参数的时候有点懵，下面截取的是官方 API 的解释：

seed: A Python integer. Used to create a random seed for the distribution. See tf.set_random_seed for behavior.

我查阅了一些博客，基本上都是对这段官文的翻译，请原谅我看了翻译依然没搞懂。再回到书上，书上给出的解释简直“言简意赅”，如下：

保证每次运行时的参数不变

虽然没搞明白如何不变，但起码知道了作用。但不搞明白总觉得有点不舒服，于是开始实验。

首先把 seed 设置为 1

import tensorflow as tf
// 把 seed 设置为 1
w1 = tf.random_normal([2,3], stddev=1, seed=1)
w2 = tf.random_normal([3,1], stddev=1, seed=1)

sess =  tf.Session()
sess.run(w1.initializer)
sess.run(w2.initializer)
print(sess.run(w1))
print(sess.run(w2))
sess.close()

我们看到输出结果

[[-0.8113182   1.4845988   0.06532937]
 [-2.4427042   0.0992484   0.5912243 ]]
[[-0.8113182 ]
 [ 1.4845988 ]
 [ 0.06532937]]

然后把 seed 设置为 2，代码不贴了，直接看输出结果

[[-0.85811085 -0.19662298  0.13895045]
 [-1.2212768  -0.40341285 -1.1454041 ]]
[[-0.85811085]
 [-0.19662298]
 [ 0.13895045]]

最后把 w1 的 seed 设回 1，w2 保持不变，结果如下

[[-0.8113182   1.4845988   0.06532937]
 [-2.4427042   0.0992484   0.5912243 ]]
[[-0.85811085]
 [-0.19662298]
 [ 0.13895045]]

晚上，我换了一台电脑重复以上的实验，发现 seed 在等于 1 和 2 的时候，数据是完全一样的，所以我推断的结论是：seed 其实是一些预设的数据。

补充：如果给定seed，随机数每次生成的结果都是一样的，也就是说每次运行程序时结果都是一样的，即结果可以复现。

原文：https://www.jianshu.com/p/2a325d549da7