如何简单实现tensorflow确保每次训练结果保持一致的方法？

本文共计255个文字，预计阅读时间需要2分钟。

在构建神经网络时，使用TensorFlow随机初始化参数，存在多种随机因素，例如：

- 正态分布随机变量：tf.random_normal([m, n])- 均匀分布随机变量：tf.random_uniform([m, n])- 从tfrecord读取数据时随机化

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易盾网络。