随机使用后锁定变量值

Question

我正在处理 keras 中的堆叠降噪自动编码器。因此，在使用随机工具生成噪声输入后，我注意到即使我使用检查指针来保存模型的权重，每次运行脚本时我都会得到不同的编码数据，而当我处理普通的 auotencoder 时，我没有这样的问题。

所以我认为问题来自生成的噪声输入数据。我怎样才能一劳永逸地修复此噪声数据输入的值。

以下是我生成噪声输入的方式：

mu, sigma = 2, 3
noise_noy = np.random.normal(mu, sigma, [7412,48])
noise_test = np.random.normal(mu, sigma, [3600,48])
noised_noyau_y = df_noyau_yes + noise_noy
noised_test_y = df_test_yes + noise_test
print(noised_noyau_y)

这是降噪自动编码器

checkpointer = ModelCheckpoint(filepath="modelyes.h5",
                               verbose=0,
                               save_best_only=True,
                               save_weights_only=True)
tensorboard = TensorBoard(log_dir='/tmp/autoencoder',
                          histogram_freq=0,
                          write_graph=True,
                          write_images=True)
input_enc = Input(shape=(input_size,))
hidden_1 = Dense(hidden_size1, activation='relu')(input_enc)
hidden_11 = Dense(hidden_size2, activation='relu')(hidden_1)
code = Dense(code_size, activation='relu')(hidden_11)
hidden_22 = Dense(hidden_size2, activation='relu')(code)
hidden_2 = Dense(hidden_size1, activation='relu')(hidden_22)
output_enc = Dense(input_size, activation='tanh')(hidden_2)
D_autoencoder_yes = Model(input_enc, output_enc)
D_autoencoder_yes.compile(optimizer='adam',
                         loss='mean_squared_error', 
                         metrics=['accuracy'])
history_D_yes = D_autoencoder_yes.fit(df_noised_noy_norm_y, df_noyau_norm_y,
                               epochs=200,
                                batch_size=batch_size,
                                shuffle = True,
                                validation_data=(df_noised_test_norm_y, df_test_norm_y),
                                verbose=1, 
                                callbacks=[checkpointer, tensorboard]).history
D_autoencoder_yes.save_weights("modelyes.h5")
D_autoencoder_yes.load_weights("modelyes.h5")

生成编码数据

encoder_yes = Model (inputs = input_enc,outputs = code)
encoded_input = Input(shape=(code_size, ))
encoded_data_yes = encoder_yes.predict(df_noised_noy_norm_y)
print("Encoded representations of samples belonging to class YES",encoded_data_yes)

Answer 1

所以你想每次都有相同的"随机"输入吗？

在

生成随机数组之前，通过使用整数x调用 np.random.seed(x) 来锁定随机生成器。请注意，x可以是任何整数，只要每次都相同

np.random.seed(42)
noise_noy_1 = np.random.normal(mu, sigma, [7412,48])
np.random.seed(42)
noise_noy_2 = np.random.normal(mu, sigma, [7412,48])
if (noise_noy_1 == noise_noy_2).all():
    print('Equal')