如何使用TensorFlow获得稳定的结果，设置随机种子
I'm trying to run a neural network multiple times with different parameters in order to calibrate the networks parameters (dropout probabilities, learning rate e.d.). However I am having the problem that running the network while keeping the parameters the same still gives me a different solution解决办法：
设置当前TensorFlow随机种子仅影响当前默认图形。由于您要为训练创建新图并将其设置为默认值（使用g.as_default（）:)，因此必须使用块设置随机种子。 例如，循环应如下所示：
for i in range(3):
g = tf.Graph()
with g.as_default():
tf.set_random_seed(1)
accuracy_result, average_error = network.train_network(
parameters, inputHeight, inputWidth, inputChannels, outputClasses)请注意，这将对外部for循环的每次迭代使用相同的随机种子。如果要在每次迭代中使用不同但仍然确定的种子，可以使用tf.set_random_seed（i + 1）。
页:
[1]