tensorflow - 如何获得可重现的结果(Keras、Tensorflow):
问题描述
为了使结果可重现,我将 20 多篇文章加红,并在我的脚本中添加了最大的功能......但失败了。
在我红色的官方来源中,有 2 种种子 - 全局和可操作的。可能是,解决我的问题的关键是设置操作种子,但我不明白在哪里应用它。
请您帮助我使用 tensorflow(版本 > 2.0)实现可重现的结果吗?非常感谢你。
from keras.models import Sequential
from keras.layers import Dense
import numpy as np
import pandas as pd
from sklearn.metrics import confusion_matrix
from sklearn.model_selection import train_test_split
from keras.optimizers import adam
from sklearn.preprocessing import MinMaxScaler
np.random.seed(7)
import tensorflow as tf
tf.random.set_seed(7) #analogue of set_random_seed(seed_value)
import random
random.seed(7)
tf.random.uniform([1], seed=1)
tf.Graph.as_default #analogue of tf.get_default_graph().finalize()
rng = tf.random.experimental.Generator.from_seed(1234)
rng.uniform((), 5, 10, tf.int64) # draw a random scalar (0-D tensor) between 5 and 10
df = pd.read_csv("s54.csv",
delimiter = ';',
decimal=',',
dtype = object).apply(pd.to_numeric).fillna(0)
#data normalization
scaler = MinMaxScaler()
scaled_values = scaler.fit_transform(df)
df.loc[:,:] = scaled_values
X_train, X_test, y_train, y_test = train_test_split(df.iloc[:,1:],
df.iloc[:,:1],
test_size=0.2,
random_state=7,
stratify = df.iloc[:,:1])
model = Sequential()
model.add(Dense(1200, input_dim=len(X_train.columns), activation='relu'))
model.add(Dense(150, activation='relu'))
model.add(Dense(80, activation='relu'))
model.add(Dense(10, activation='relu'))
model.add(Dense(1, activation='sigmoid'))
loss="binary_crossentropy"
optimizer=adam(lr=0.01)
metrics=['accuracy']
epochs = 2
batch_size = 32
verbose = 0
model.compile(loss=loss,
optimizer=optimizer,
metrics=metrics)
model.fit(X_train, y_train, epochs = epochs, batch_size=batch_size, verbose = verbose)
predictions = model.predict(X_test)
tn, fp, fn, tp = confusion_matrix(y_test, predictions>.5).ravel()
解决方案
作为文档
操作的参考,依赖于随机种子的操作实际上是从两个种子中派生出来的:全局种子和操作级种子。这设置了全局种子。
它与操作级种子的交互如下:
- 如果既没有设置全局种子也没有设置操作种子:此操作使用随机挑选的种子。
- 如果未设置操作种子但设置了全局种子:系统从全局种子确定的种子流中选择操作种子。
- 如果设置了操作种子,但未设置全局种子:使用默认全局种子和指定的操作种子来确定随机序列。
- 如果全局和操作种子都设置了:两个种子一起使用来确定随机序列。
第一种情况
默认情况下会选择随机种子。通过结果可以很容易地注意到这一点。每次重新运行程序或多次调用代码时,它都会有不同的值。
x_train = tf.random.normal((10,1), 1, 1, dtype=tf.float32)
print(x_train)
第二个场景
全局已设置,但操作尚未设置。尽管它从第一个和第二个随机生成了不同的种子。如果重新运行或重新启动代码。两者的种子仍然是相同的。它一遍又一遍地产生相同的结果。
tf.random.set_seed(2)
first = tf.random.normal((10,1), 1, 1, dtype=tf.float32)
print(first)
sec = tf.random.normal((10,1), 1, 1, dtype=tf.float32)
print(sec)
第三种情况
对于这种情况,设置了操作种子但不是全局的。如果你重新运行代码,它会给你不同的结果,但如果你重新启动运行时,如果你重新运行,它会给你与上一次运行相同的结果序列。
x_train = tf.random.normal((10,1), 1, 1, dtype=tf.float32, seed=2)
print(x_train)
第四种情况
两个种子都将用于确定随机序列。更改全局和操作种子会产生不同的结果,但使用相同的种子重新启动运行时仍会产生相同的结果。
tf.random.set_seed(3)
x_train = tf.random.normal((10,1), 1, 1, dtype=tf.float32, seed=1)
print(x_train)
创建了一个可重现的代码作为参考。
通过设置全局种子,它总是给出相同的结果。
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
import numpy as np
import pandas as pd
from sklearn.metrics import confusion_matrix
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import MinMaxScaler
## GLOBAL SEED ##
tf.random.set_seed(3)
x_train = tf.random.normal((10,1), 1, 1, dtype=tf.float32)
y_train = tf.math.sin(x_train)
x_test = tf.random.normal((10,1), 2, 3, dtype=tf.float32)
y_test = tf.math.sin(x_test)
model = Sequential()
model.add(Dense(1200, input_shape=(1,), activation='relu'))
model.add(Dense(150, activation='relu'))
model.add(Dense(80, activation='relu'))
model.add(Dense(10, activation='relu'))
model.add(Dense(1, activation='sigmoid'))
loss="binary_crossentropy"
optimizer=tf.keras.optimizers.Adam(lr=0.01)
metrics=['mse']
epochs = 5
batch_size = 32
verbose = 1
model.compile(loss=loss,
optimizer=optimizer,
metrics=metrics)
histpry = model.fit(x_train, y_train, epochs = epochs, batch_size=batch_size, verbose = verbose)
predictions = model.predict(x_test)
print(predictions)
注意:如果您使用 TensorFlow 2 更高版本,Keras 已经在 API 中,因此,您应该使用 TF.Keras 而不是原生的。
所有这些都是在google colab上模拟的。
推荐阅读
- flutter - 颤振导航栏未选择的文本颜色未显示
- java - 如何在反应式 Spring Security OAuth2 中信任自定义证书?
- javascript - 从 Xrm.Page 删除后表单中托管的 WebResource 从上下文访问
- sql - 优化案例表达式
- docker - 詹金斯 - 码头工人:找不到命令
- html - CSS Cascade: !important 与动画
- javascript - 将 prettier 作为 NPM 包安装和在 VS Code 中安装 prettier 扩展有什么区别
- javascript - Chrome 质疑任何在此文本框中输入文本的方式?
- python-3.x - 使用 Selenium Python3 向文本区域发送密钥
- vue.js - 即使前端源具有 https URL,是什么让浏览器从 http URL 加载内容?