tensorflow - TF - 在 model_fn 中将 global_step 传递给种子

Question

在 Tensorflow Estimator API ( tf.estimator) 中，有没有办法使用当前会话model_fn来评估张量并将值传递给 python？我想在 dropout 中有一个种子，取决于 的值global_step，但由于前者要求int后者是tensor.

Answer 1

我看不到任何方法可以访问session内部model_fn以获取global_step.

即使有可能，在每一步更改种子tf.nn.dropout也会在每一步使用不同的种子创建一个新的 Graph 操作，这将使图变得越来越大。即使没有tf.estimator，我也不知道您如何实现这一点？

---

我认为您想要的是确保在两次运行之间获得相同的随机性。tf.set_random_seed()在 dropout 中使用法线或仅使用法线设置图级随机种子seed应该创建可重现的掩码序列。这是一个带有代码的示例：

x = tf.ones(10)
y = tf.nn.dropout(x, 0.5, seed=42)

sess1 = tf.Session()
y1 = sess1.run(y)
y2 = sess1.run(y)

sess2 = tf.Session()
y3 = sess2.run(y)
y4 = sess2.run(y)

assert (y1 == y3).all()  # y1 and y3 are the same
assert (y2 == y4).all()  # y2 and y4 are the same

此处的答案提供了有关如何使图形随机性可重现的更多详细信息。