[tensorflow]设置随机种子

最新推荐文章于 2025-05-29 20:44:59 发布

尼口666

最新推荐文章于 2025-05-29 20:44:59 发布

阅读量2.1k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： Tensorflow学习文章标签： tensorflow 深度学习 python

本文链接：https://blog.youkuaiyun.com/condom10010/article/details/126412368

Tensorflow学习专栏收录该内容

10 篇文章

订阅专栏

本文介绍了如何在多文件的TensorFlow项目中统一设置随机种子，如在train.py中通过调用优快云et18.py和FeatureNet.py时，通过tf.random.set_seed(123)确保模型权重的可重复性。这个技巧对于需要模型复现的研究和开发至关重要。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

这篇文章讲的非常详细.文章链接
根据复杂网络总结提炼一下:

设置全局随机种子

在定义网络结构的py文件上,加入下面的代码

tf.random.set_seed(123)

例如
我们的网络可能横跨很多个py文件,例如在train.py中,我们需要调用优快云et18.py中的网络结构.而优快云et18又要使用FeatureNet.我们只需要在:train.py中加入tf.random.set_seed(123)就可以了.
所有train.py中的网络模型权重都会设置种子为123。

train.py

import tensorflow as tf
from tensorflow import keras
import 优快云et18
tf.random.set_seed(123)
if __name__ == '__main__':
	cfg = 1
	优快云et18_ = 优快云et18(cfg)
	layer = 优快云et18_(data)

优快云et18.py

import FeatureNet
class 优快云et18(Model):
    def __init__(self, cfg):
    	self.output_layer = keras.Sequential([
            layers.Dense(units=256, activation='relu',name='dense_1'),
            layers.Dense(units=128, activation='relu',name='dense_2'),
            layers.Dense(units=64, activation='relu',name='dense_3')])
        self.FeatureNet = FeatureNet(cfg)
    def call(self,data):
        # ==1.FeatureNet process==
        x = self.FeatureNet(data)
        # ==2.输出层==
        out = self.output_layer(x, training=training)  
        return out

FeatureNet.py

class FeatureNet(Model):
    def __init__(self, cfg):
        self.output_layer = keras.Sequential([
            layers.Dense(units=256, activation='relu',name='dense_1'),
            layers.Dense(units=128, activation='relu',name='dense_2'),
            layers.Dense(units=64, activation='relu',name='dense_3')])
    	
    def call(self,data):
        # ==1.输出层==
        out = self.output_layer(x, training=training) 
        return out