时间戳

首页 > 解决方案 > 我是否需要在导入 numpy 或 tensorflow 的所有模块中设置种子？

python - 我是否需要在导入 numpy 或 tensorflow 的所有模块中设置种子？

问题描述

我正在尝试在使用keraswithtensorflow作为后端训练深度学习模型时产生可重复的结果。

我浏览了这个文档：https ://keras.io/getting-started/faq/#how-can-i-obtain-reproducible-results-using-keras-during-development来设置numpy、python和tf的随机种子train.py我用于培训的文件。

现在，这个文件从另外两个模块utils.py和model.py. 在这两个文件中，我都有import numpy as np和import tensorflow as tf在顶部。我的问题是 - 从不同的模块导入和设置随机种子如何工作？

a) 我需要在 import 语句之后在每个文件中设置随机种子吗？

b）或者，我是否只需要train.py在这些设置种子命令之后设置这些种子并从其他模块执行所有导入？

c)tf.set_random_seed(1)之后还需要做import tensorflow as tf吗？

tf.set_random_seed(1)d)即使我没有导入 tensorflow 或 keras 并且只是从 keras 导入图层，我是否需要设置？

标签： pythonnumpytensorflowkeras

解决方案

首先，使用 tensorflow.keras 代替 keras。

通常，通过以下方式在主脚本中使用种子就足够了。

import random
random.seed(1)
import numpy as np
np.random.seed(1)
import tensorflow as tf
tf.random.set_seed(1)

但是，如果您有多个模块并且它们有一些随机操作（例如权重初始化），那么将这些行添加到您的每个模块中。

此外，这些仅不能保证 100% 的可重复性，如果您使用的是 GPU，可能也会因此产生一些随机性。

您可以使用https://github.com/NVIDIA/tensorflow-determinism

os.environ['TF_DETERMINISTIC_OPS'] = '1'对于张量流==2.1.0

对于张量流 < 2.1

import tensorflow as tf
from tfdeterminism import patch
patch()

推荐阅读