Tensorflow 的 random.truncated_normal 使用相同的种子返回不同的结果

Question

以下几行应该得到相同的结果：

import tensorflow as tf
print(tf.random.truncated_normal(shape=[2],seed=1234))
print(tf.random.truncated_normal(shape=[2],seed=1234))

但是我得到了：

tf.Tensor([-0.12297685 -0.76935077], shape=(2,), dtype=tf.float32)
tf.Tensor([0.37034193 1.3367208 ], shape=(2,), dtype=tf.float32)

为什么？

Answer 1

这似乎是故意的，请参阅文档这里。特别是“示例”部分。

您需要的是

stateless_truncated_normal

：

print(tf.random.stateless_truncated_normal(shape=[2],seed=[1234, 1]))
print(tf.random.stateless_truncated_normal(shape=[2],seed=[1234, 1]))

给我

tf.Tensor([1.0721238  0.10303579], shape=(2,), dtype=float32)
tf.Tensor([1.0721238  0.10303579], shape=(2,), dtype=float32)

注意：这里的种子需要是两个数字，老实说我不知道为什么（文档没有说）。

Answer 2

Tensorflow 有两种类型的种子：全局种子和操作种子 - 这也是为什么您需要将两个数字传递给

stateless_truncated_normal

，如 xdurch0 在他的答案中所述。 Tensorflow 将这两个种子组合起来生成一个新的种子。

tf.random.truncated_normal(shape=[2],seed=1234) # global seed #1 & operational 1234 -> Seed A
tf.random.truncated_normal(shape=[2],seed=1234) # global seed #2 & operational 1234 -> Seed B

有多种方法可以解决您的问题。也预先设置两次全局种子。 在

@tf.functions

内部工作，这些重置全局种子并拥有自己的操作计数器。 或者使用其他答案中所写的

stateless_truncated_normal

。

正如已经链接的那样，在文档中也有描述。