Tensorflow 2 中的全局种子和操作种子

Question

TensorFlow中的全局种子和操作种子有什么区别。

根据tensorflow documentation

在解释 Global Seed 时，他们提到了这一点

如果设置了全局种子但未设置操作种子，我们得到 每次调用随机操作的结果都不同，但相同 每次重新运行程序的顺序：

在解释“种子行动”时，他们再次声明，类似的东西

如果设置了操作种子，每次调用都会得到不同的结果 到随机操作，但每次重新运行的顺序相同 程序：

两者之间的主要区别是什么......以及它们如何在直观的层面上运作。

谢谢。

Answer 1

这是对差异的很好描述：https://www.kite.com/python/docs/tensorflow.set_random_seed

简而言之，tf.random.set_seed 或tf.set_random_seed 将保证所有操作都会在会话中产生可重复的结果。它将为每个操作确定性地设置操作种子。

设置操作种子仅作为操作定义tf.random_uniform([1], seed=1) 的一部分才有意义，并且还会导致此操作在会话中产生相同的序列。

有什么区别？

• graph-seed 使所有操作重复确定。如果您想修复所有操作，请使用它。不同的操作仍会产生不同的序列（但会在会话中重复）
• operation-seed 使单个操作具有确定性。您可以创建 2 个生成相同序列的操作。