ランダムtensor-ランダムに生成されたシード操作（tf.set_random_seed（interger））

ランダムシードは、実際には2つの動作に分けられる：グラフレベル（図レベル）およびOPレベル（動作レベル）、乱数発生器のシードは、データフロー図のリソースで動作している、私は、具体的にそれらを導入しましょう。

最初のケース：、設けられていないもOP図レベルレベルシードどちらのセッションで生成される異なるシーケンスを設定してください。

= tf.random_uniform（[1]）
、B = tf.random_normal（[1]）

印刷（ "セッション1"）
tf.Sessionと（）sess1として：
  プリント（sess1.run（A））＃は、 'A1'を生成
  プリント（sess1.run（A））＃が'A2'を生成する
  プリント（sess1.runを（ B））＃生成'B1' 
  プリント（sess1.run（B））＃ 'はB2'を生成する

プリント（ "セッション2"）
sess2としてtf.Session（との）
  プリント（sess2.run（A））＃ 'が生成しますA3' 
  、A4 'プリント（sess2.run（A））＃が発生' 
  プリント（sess2.run（B））＃生成'B3' 
  B4 'を印刷（sess2.run（B））＃が生成します'

　　結果：

 

明らかなように、同じまたは異なるセッションのセッションでいるかどうか、生成された配列が異なっています。

後者の場合：同じシーケンスを生成するには、セッション間で繰り返すことができ、オペアンプの種を設定してください。

TFとしてインポートtensorflow 

= tf.random_uniform（[1]、種子= 1）＃1、OP-レベル随机生成种子
B = tf.random_normal（[1]） 

、印刷（ "セッション1"）
sess1としてtf.Session（）と：
  プリント（sess1.run（A））＃ 'はA1'を生成
  プリント（sess1.run（A））＃ 'はA2'を生成する
  プリント（sess1.run（B））＃ 'はB1'を生成する
  プリント（sess1.run（Bを））＃生成'B2' 

プリント（ "セッション2"）
tf.Session有する（）sess2として：
  プリント（sess2.run（A））＃ 'はA3'を生成
  プリント（sess2.run（A））＃「はA4を生成します「
  プリント（sess2.run（B））＃が生成する'B3' 
  B4 'を印刷（sess2.run（B））を＃が生成します'

　結果：

 

動作は明らかでランダムに生成されたシード段階のOPレベルの後に、同じセッション内の異なるシーケンスを生成する、インターセッションは同一の配列を生成します。

第三种情况：要使所有生成的随机序列在会话中可重复，就要设置图级别的种子：

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'

 

 

明显可以看出，跨Session生成的所有序列都是重复的，但是在档额Session里是不同的，这就是graph-level的随机生成种子。这tf.set_random_seed(interger)  中不同的interger没有什么不同，只是相同的interger每次生成的序列是固定的。