今天跟著書學(xué)習(xí) TF 的時候，看到代碼示例里面有這么一段代碼：

import tensorflow as tf
...
w1 = tf.random_normal([2,3], stddev=1, seed=1)
w2 = tf.random_normal([3,1], stddev=1, seed=1)
...

我們知道 tf.random_normal 方法是生成隨機的矩陣參數(shù)，如上例中就是生成一個3×1的矩陣，stddev 參數(shù)是控制方差，這些都好理解，就是看到這個 seed 參數(shù)的時候有點懵，下面截取的是官方 API 的解釋：

seed: A Python integer. Used to create a random seed for the distribution. See tf.set_random_seed for behavior.

我查閱了一些博客，基本上都是對這段官文的翻譯，請原諒我看了翻譯依然沒搞懂。再回到書上，書上給出的解釋簡直“言簡意賅”，如下：

保證每次運行時的參數(shù)不變

雖然沒搞明白如何不變，但起碼知道了作用。但不搞明白總覺得有點不舒服，于是開始實驗。

首先把 seed 設(shè)置為 1

import tensorflow as tf
// 把 seed 設(shè)置為 1
w1 = tf.random_normal([2,3], stddev=1, seed=1)
w2 = tf.random_normal([3,1], stddev=1, seed=1)

sess =  tf.Session()
sess.run(w1.initializer)
sess.run(w2.initializer)
print(sess.run(w1))
print(sess.run(w2))
sess.close()

我們看到輸出結(jié)果

[[-0.8113182   1.4845988   0.06532937]
 [-2.4427042   0.0992484   0.5912243 ]]
[[-0.8113182 ]
 [ 1.4845988 ]
 [ 0.06532937]]

然后把 seed 設(shè)置為 2，代碼不貼了，直接看輸出結(jié)果

[[-0.85811085 -0.19662298  0.13895045]
 [-1.2212768  -0.40341285 -1.1454041 ]]
[[-0.85811085]
 [-0.19662298]
 [ 0.13895045]]

最后把 w1 的 seed 設(shè)回 1，w2 保持不變，結(jié)果如下

[[-0.8113182   1.4845988   0.06532937]
 [-2.4427042   0.0992484   0.5912243 ]]
[[-0.85811085]
 [-0.19662298]
 [ 0.13895045]]

晚上，我換了一臺電腦重復(fù)以上的實驗，發(fā)現(xiàn) seed 在等于 1 和 2 的時候，數(shù)據(jù)是完全一樣的，所以我推斷的結(jié)論是：seed 其實是一些預(yù)設(shè)的數(shù)據(jù)。