tensorflow保持每次训练结果一致的简单实现
在用tensorflow构建神经网络的时候,有很多随机的因素,比如参数的随机初始化: 正态分布随机变量tf.random_normal([m,n]),均匀分布的随机变量tf.random_uniform([m,n]),还有在从tfrecord读取数据时,也会随机打乱数据。
那么由于这些随机的操作,即使是在输入数据完全一样的情况下,每次训练的结果也不一样,那么如果想要使得每次训练的结果一致,应该怎么做呢?
可以在最开始时,固定随机数种子,如下
tf.set_random_seed(1)
以上这篇tensorflow保持每次训练结果一致的简单实现就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。
相关文章
解析pip安装第三方库但PyCharm中却无法识别的问题及PyCharm安装第三方库的方法教程
这篇文章主要介绍了解析pip安装第三方库但PyCharm中却无法识别的问题及PyCharm安装第三方库的方法教程,本文图文并茂给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下2020-03-03
基于keras中训练数据的几种方式对比(fit和fit_generator)
这篇文章主要介绍了keras中训练数据的几种方式对比(fit和fit_generator),具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教2021-05-05


最新评论