TensorFlow-使用dropout时再现结果

在tensorflow中执行退出有两种主要方法:

• tf.nn.dropout (低级别)
• tf.layers.dropout (高级,使用 tf。nn。辍学者 发动机罩下)

两个函数都接受 seed 用于生成随机遮罩的参数。默认情况下, seed=None ,这意味着随机种子,即不确定性。为了使结果具有确定性,您可以在每个操作级别上设置种子,或者调用 tf.set_random_seed (设置图形级别的随机种子)或者更好的是,两者都设置。

示例:

import tensorflow as tf

tf.InteractiveSession()
tf.set_random_seed(0)

x = tf.ones([10])
y = tf.nn.dropout(x, keep_prob=0.5, seed=0)
for i in range(5):
  print(y.eval())

z = tf.layers.dropout(inputs=x, rate=0.5, training=True, seed=0)
for i in range(5):
  print(z.eval())

警告:一般来说,培训脚本中还有其他随机性来源,因此您还必须设置纯python种子( random.seed )和numpy种子( numpy.random.seed )。