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
Pytorch的torch.utils.data中Dataset以及DataLoader示例详解
torch.utils.data 是 PyTorch 提供的一个模块,用于处理和加载数据,该模块提供了一系列工具类和函数,用于创建、操作和批量加载数据集,这篇文章主要介绍了Pytorch的torch.utils.data中Dataset以及DataLoader等详解,需要的朋友可以参考下2023-08-08Python RuntimeError: thread.__init__() not called解决方法
这篇文章主要介绍了Python RuntimeError: thread.__init__() not called解决方法,需要的朋友可以参考下2015-04-04解决python访问报错:jinja2.exceptions.TemplateNotFound:index.html
这篇文章主要介绍了解决python访问报错:jinja2.exceptions.TemplateNotFound:index.html,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2023-12-12Django celery实现异步任务操作,并在后台运行(守护进程)
这篇文章主要介绍了Django celery实现异步任务操作,并在后台运行(守护进程),具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧2021-03-03
最新评论