我在tensorflow v1.12中使用对象检测API。我在获得可重现的结果时遇到了麻烦--每次我运行我的代码时都会得到不同的结果。有没有办法在训练/预测级别设置随机种子？我试着在model_main.py中建立种子，但是没有帮助。pipeline_config_path')
config = tf.estimato
浏览 16提问于2020-12-24得票数 0
3回答
我试图用Keras获得可重现的结果，但是每次我运行程序时都会得到不同的结果。我已经设置了python散列种子、Numpy随机种子、随机种子、TensorFlow种子和kernel_initializer glorot_uniform种子，但是我仍然得不到可重现的结果。我还能做什么来获得
浏览 5提问于2019-07-29得票数 2
我试图在使用keras和tensorflow作为后端来训练深度学习模型的同时产生可重现的结果。文件中设置numpy、python和tf的随机种子。在这两个文件中，顶部都有import numpy as np和import tensorflow as tf。我的问题是-从不同的模块导入和设置随机种子是如何工作的？
浏览 23提问于2020-03-29得票数 0
回答已采纳
编辑:我发现这个问题与Jupyter笔记本有关。我不能全局设置种子并在每次运行时都得到相同的结果。我必须用pd.util.testing.makeDataFrame()在代码单元中设置随机种子。原始问题:我正在尝试设置随机状态，这样我就可以获得用熊猫的pd.util.testing.makeDataFrame()制作的DataFrames的可重现
浏览 22提问于2019-11-23得票数 2
回答已采纳
我正在使用StellarGraph (一个奇妙的图形神经网络包)，并试图为特定的图/特征集创建嵌入。不幸的是，每次创建/训练图形时，嵌入都是不同的，尽管每次都提供相同的信息。下面是说明这一问题的代码：import randomimport pandas as pd
import keras(输出示例如下所示)注意，尽管有相同的输入、图形配置、模型配
浏览 6提问于2019-10-24得票数 1
回答已采纳
2回答
为了获得可重现的结果，我目前正在设置随机种子，如下所示，但它似乎并不完全有效： # Choose random seed value
# Set numpy pseudo-random然而，就模型性能而言，我无法获得可重现的结果，因为每次训练后模型权重都不同。此外，是否还有其他随机种子需要包含以确保结果可重现？如
浏览 62提问于2020-04-20得票数 5
我想用相同的训练数据集在Google Colab (Tensorflow+Keras)中用图形处理器多次训练CNN架构，然后用相同的测试数据集测试每个训练过的模型。然后，我想要确定结果的平均值和标准差(准确性)来评估CNN的性能。(我想反复训练CNN架构，因为由于GPU，没有可重现的结果)。
我想知道我是否应该在每次运行中放置不同的种子，以至少限制一点随机性？到目
浏览 39提问于2019-11-05得票数 1
回答已采纳
1回答
所以这里是一个有1000个样本，三个输入和三个输出的神经网络 X.csv包含：(索引重复三次) 1,1,1 2,2,2 直到1000,1000,1000 索引包含三个标签：( Y.csv，index*5plt.plot(y_pred[2], color = 'blue', label = 'Predicted data')plt.legend()
plt.show() 不幸的是，损失和验证损失都是巨大的(数百万)，另一个问题是尽管
浏览 22提问于2019-04-26得票数 1
回答已采纳
我们有一个从CustomVision.ai导出的模型(它支持导出TensorFlow .pb、TensorFlow Lite .tflite、保存的model .pp格式)。我们希望将此模型集成到一个现有的应用程序中，该应用程序使用TFLite对象检测API，该应用程序期望这些输入和输出：
--input_arrays=normalized_input_image_tensorTFLite_Detection_PostProcess:1','TFLi
浏览 11提问于2021-05-25得票数 0
TLDR:有没有一种方法可以在time t1运行时冻结Tensorflow模型，这样从time 0到t2>t1运行网络会产生与从t1到t2完全相同的结果？我已经搜索了很多，但找不到这个确切的场景：
我有一个tensorflow模型，它通过数据集API接收来自TFRecords列表的输入。在非常随机的时刻，我得到了一个关于张量形状不相容的错误，我试图找出原因。我已经更改了种子，所以代码是可<em
浏览 0提问于2019-01-16得票数 0
我正在使用Keras来计算一个简单的序列分类神经网络。我尝试了不同的模块，我发现有两种方法可以创建顺序神经网络。model.add(LSTM(100))model.summary()model = Model(inputs
浏览 3提问于2018-02-01得票数 7
我尝试用不同的参数多次运行神经网络，以校准网络参数(辍学概率，学习率e.d.)。然而，我有一个问题，在运行网络的同时保持参数不变，当我在循环中运行网络时，仍然给了我一个不同的解决方案，如下所示：for i in rangeget_csv_writer(filename) f.close()
在<e
浏览 13提问于2016-03-29得票数 89
我目前使用的是tensorflow.keras.preprocessing.image.ImageDataGenerator和flow_from_directory。例如： from tensorflow.keras.preprocessing.image import ImageDataGenerator
train_datagen = ImageDataGenerator中都设置了种子，批处理顺序也不是静态的，所以我得不到可重现的</e
浏览 11提问于2019-01-13得票数 3
回答已采纳
我有一个随机过程的分布过程。为此，我使用numpy.random.RandomState为数字添加种子。问题是，我必须在包装器中使用另一个numpy.random函数。现在我失去了种子的可再现性，因为我无法控制函数调用的顺序。这个问题的一个简短版本是：import multiprocessing
return RDS.choice(range，它进一
浏览 0提问于2018-12-06得票数 2
回答已采纳
1回答
RMSE = 136.7476如果我第二次运行相同的代码，那么损失从16144开始，第40次迭代的最后损失是5。在这种情况下，如果RMSE达到7.3。这种Keras行为让我很难理解Keras是否有问题，或者我做错了什么，或者这个问题声明不适合Keras。
你能帮我理解这个问题吗?什么是稳定基于神
浏览 3提问于2020-12-15得票数 1
3回答
(注意：正确地修复了每个模型创建之前的RNG状态，如注释中所描述的那样，实际上解决了我的问题，因为在3小数范围内的结果是一致的，但它们并不完全一致，所以在某个地方有一个隐藏的随机性源不是通过播种RNG来修正的……也许有些库使用的是时间域或smth...if --任何人对此都有想法，知道这一点是很酷的，所以我将等待，而不是结束问题:) )
我创建了一个Keras模型(用于预测某些时间
浏览 0提问于2017-09-08得票数 13
回答已采纳
我正在尝试进行一些迁移学习，以调整ResNet50以适应我的数据集。问题是，当我用相同的参数再次运行训练时，我得到了不同的结果(训练集和val集的损失和准确率，因此我猜测也是不同的权重，因此测试集的错误率也不同)以下是我的模型：def ImageNet_model(train_d
浏览 0提问于2019-06-02得票数 0
我在tensorflow训练一个LSTM网络。我的模型有以下配置：
输入特性的数量x= 512。我的tensorflow版本是1.8。此外，我还通过tf.set_random_seed(mseed)设置了随机种子，并为每个可训练变量的初始化器设置了随机种子，以便在多次运行后能够重现相同的结
浏览 1提问于2019-01-21得票数 0
我遇到了一个关于使用Tensorflow (1.15.3版)的结果的可重复性的问题。我设置了所有的种子(os，random，numpy和tensorflow)，但是卷积神经网络的结果总是在两次执行之间改变(即使相似)。我这样设置我的种子： seed_value = 1234
os.environ['
浏览 56提问于2020-12-29得票数 0
回答已采纳
1回答
我目前正在使用R中的parallel包，并且我正在尝试通过设置种子来使工作可重现。library(parallel)
# function to generate 2 u
浏览 31提问于2019-10-31得票数 3
云服务器
对象存储
ICP备案
云点播
实时音视频
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号