为什么这个 TensorFlow 代码在测试用例中表现不同？

Question

为什么这个 TensorFlow 代码在测试用例中表现不同？

3

我有一个函数（下面是foo），在直接运行和在tf.test.TestCase中运行时表现不同。

该代码应该创建一个包含元素[1..5]的数据集并对其进行随机排序。然后重复3次：从数据中创建一个迭代器，并使用它打印出这5个元素。

当单独运行时，输出的所有列表都会被随机排序，例如：

[4, 0, 3, 2, 1]
[0, 2, 1, 3, 4]
[2, 3, 4, 0, 1]

但是当在测试案例中运行时，它们始终相同，即使在不同的运行之间也是如此：

[0, 4, 2, 3, 1]
[0, 4, 2, 3, 1]
[0, 4, 2, 3, 1]

我想这可能与测试用例如何处理随机种子有关，但我在TensorFlow文档中没有找到相关内容。感谢您的任何帮助！

代码：

import tensorflow as tf

def foo():
    sess = tf.Session()
    dataset = tf.data.Dataset.range(5)
    dataset = dataset.shuffle(5, reshuffle_each_iteration=False)

    for _ in range(3):
        data_iter = dataset.make_one_shot_iterator()
        next_item = data_iter.get_next()
        with sess.as_default():
            data_new = [next_item.eval() for _ in range(5)]
        print(data_new)


class DatasetTest(tf.test.TestCase):
    def testDataset(self):
        foo()

if __name__ == '__main__':
    foo()
    tf.test.main()

我正在使用Python 3.6和TensorFlow 1.4运行它，不需要其他模块。

- Bridgo

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- greeness · Accepted Answer

我认为你是正确的；tf.test.TestCase已被设置为使用固定的种子。

class TensorFlowTestCase(googletest.TestCase):
# ...
def setUp(self):
  self._ClearCachedSession()
  random.seed(random_seed.DEFAULT_GRAPH_SEED)
  np.random.seed(random_seed.DEFAULT_GRAPH_SEED)
  ops.reset_default_graph()
  ops.get_default_graph().seed = random_seed.DEFAULT_GRAPH_SEED

请参见tensorflow/tensorflow/python/framework/random_seed.py中的此行代码，其中DEFAULT_GRAPH_SEED = 87654321。