在用tensorflow構建神經網絡的時候,有很多隨機的因素,比如參數的隨機初始化: 正態分佈隨機變量tf.random_normal([m,n]),均勻分佈的隨機變量tf.random_uniform([m,n]),還有在從tfrecord讀取數據時,也會隨機打亂數據。
那麼由於這些隨機的操作,即使是在輸入數據完全一樣的情況下,每次訓練的結果也不一樣,那麼如果想要使得每次訓練的結果一致,應該怎麼做呢?
可以在最開始時,固定隨機數種子,如下
tf.set_random_seed(1)
在用tensorflow構建神經網絡的時候,有很多隨機的因素,比如參數的隨機初始化: 正態分佈隨機變量tf.random_normal([m,n]),均勻分佈的隨機變量tf.random_uniform([m,n]),還有在從tfrecord讀取數據時,也會隨機打亂數據。
那麼由於這些隨機的操作,即使是在輸入數據完全一樣的情況下,每次訓練的結果也不一樣,那麼如果想要使得每次訓練的結果一致,應該怎麼做呢?
可以在最開始時,固定隨機數種子,如下
tf.set_random_seed(1)
01 綜述 Opal 是愛奇藝大數據團隊研發的機器學習平臺,包含特徵生產、樣本構建、模型訓練、模型部署在內的多環節 Bigdata + AI 開發服務,內置多種訓練鏡像、
01 背景介紹 GPU 目前大量應用在了愛奇藝深度學習平臺上。GPU 擁有成百上千個處理核心,能夠並行的執行大量指令,非常適合用來做深度學習相關的計算。在 CV(計