random tensor-隨機生成種子操作(tf.set_random_seed(interger))

random seed操作其實分為兩種：graph-level（圖級）和op-level（操作級），隨機數生成種子是在數據流圖資源上運作的，接下來讓我具體介紹它們。

第一種情況：要在Session中生成不同的序列，請既不設置圖級別也不設置op級別種子：

a = tf.random_uniform([1])
b = tf.random_normal([1])

print( "Session 1")
with tf.Session() as sess1:
  print (sess1.run(a))  # generates 'A1'
  print (sess1.run(a))  # generates 'A2'
  print (sess1.run(b))  # generates 'B1'
  print (sess1.run(b))  # generates 'B2'

print( "Session 2")
with tf.Session() as sess2:
  print (sess2.run(a))  # generates 'A3'
  print (sess2.run(a))  # generates 'A4'
  print (sess2.run(b))  # generates 'B3'
  print (sess2.run(b))  # generates 'B4'

　　實驗結果：

 

可以明顯看出，無論是在同一個Session還是在不同的Session中，生成的序列都不同。

第二種情況：要為跨Session生成相同的可重復序列，請為op設置種子：

import tensorflow as tf

a = tf.random_uniform([1], seed=1)     #op-level 隨機生成種子
b = tf.random_normal([1])

print( "Session 1")
with tf.Session() as sess1:
  print (sess1.run(a))  # generates 'A1'
  print (sess1.run(a))  # generates 'A2'
  print (sess1.run(b))  # generates 'B1'
  print (sess1.run(b))  # generates 'B2'

print( "Session 2")
with tf.Session() as sess2:
  print (sess2.run(a))  # generates 'A3'
  print (sess2.run(a))  # generates 'A4'
  print (sess2.run(b))  # generates 'B3'
  print (sess2.run(b))  # generates 'B4'

　實驗結果：

 

明顯可以看出在op-level級隨機生成種子的操作后，同一個Session內生成不同的序列，跨Session生成相同的序列。

第三種情況：要使所有生成的隨機序列在會話中可重復，就要設置圖級別的種子：

import tensorflow as tf

tf.set_random_seed(1234)
a = tf.random_uniform([1])
b = tf.random_normal([1])

print( "Session 1")
with tf.Session() as sess1:
  print (sess1.run(a))  # generates 'A1'
  print (sess1.run(a))  # generates 'A2'
  print (sess1.run(b))  # generates 'B1'
  print (sess1.run(b))  # generates 'B2'

print( "Session 2")
with tf.Session() as sess2:
  print (sess2.run(a))  # generates 'A3'
  print (sess2.run(a))  # generates 'A4'
  print (sess2.run(b))  # generates 'B3'
  print (sess2.run(b))  # generates 'B4'

 

 

明顯可以看出，跨Session生成的所有序列都是重復的，但是在檔額Session里是不同的，這就是graph-level的隨機生成種子。這tf.set_random_seed(interger)  中不同的interger沒有什么不同，只是相同的interger每次生成的序列是固定的。