不同疗程的再现性问题

Question

我正在尝试使脚本可复制，但遇到了一些问题。该代码在Tensorflow 2.x中，不使用keras API。它有很多层是用tf.compat构建的。模型是用函数get_model()创建和训练的

os.environ['tf_deterministic_ops'] = "2"
os.environ["PYTHONHASHSEED"] = "2"
random.seed(2)
np.random.seed(2)
tf.random.set_seed(2)
for i in range(5):
get_model()

所以，我在上面对同一个模型进行了5次训练，每次的结果都是一样的。但是，当我运行以下脚本5次时，结果是不同的。我做错什么了吗？任何帮助都会很棒。谢谢

os.environ['tf_deterministic_ops'] = "2"
os.environ["PYTHONHASHSEED"] = "2"
random.seed(2)
np.random.seed(2)
tf.random.set_seed(2)
get_model()

Answer 1

我认为一切正常：设置随机种子总是产生相同的随机变量序列，例如

import numpy as np
# set seed
np.random.seed(2)
for i in range(5):
print(np.random.randint(10))     # prints:  8, 8, 6, 2, 8
for i in range(5):
np.random.seed(2)
print(np.random.randint(10))     # prints:  8, 8, 8, 8, 8

因此，运行第二个脚本五次，每次都会生成相同的模型，因为每次执行都将种子设置为2。在第一个脚本中对for循环进行迭代会生成与seed=2前五个输出中的变量相对应的模型。使用我的代码示例：您的第二个脚本将始终创建模型"8"，您的第一个脚本将创建模型"8."、"8."，"6."、"2."one_answers"8."。