咨询：TensorFlow compat.v1设置随机种子后结果仍无法复现的原因

你遇到的问题和TensorFlow 1.x的随机种子机制有关——它有全局种子和操作级种子两个层级的控制，只设置全局种子不足以保证跨进程的结果可复现。

原因分析 #

当你调用tf.set_random_seed(1234)时，只是设置了全局种子，但没有给tf.random_uniform()这个具体的随机操作指定操作级种子。此时TensorFlow会为这个无种子的随机操作自动生成一个种子，但这个自动生成的种子依赖于Python进程的内部状态，每次重启脚本（启动新进程）时都会不一样，最终导致每次运行生成的随机数不同。

补充说明：如果在同一个会话内多次调用generate.eval()，你会发现结果是相同的——这是因为同一个进程内，自动生成的操作种子是固定的，会话内重复运行同一操作会沿用这个种子的状态。

修复方法 #

要实现完全可复现的结果，需要同时设置全局种子和操作级种子，或者至少给随机操作指定操作级种子：

方法1：给随机操作添加seed参数

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
tf.set_random_seed(1234)
# 为tf.random_uniform指定操作级种子
generate = tf.random_uniform((), seed=1234)
with tf.Session() as sess:
  print(generate.eval())

方法2：仅设置操作级种子（也能保证跨进程复现）

如果不需要全局种子统一控制所有随机操作，只给目标操作设置种子也可以：

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
generate = tf.random_uniform((), seed=1234)
with tf.Session() as sess:
  print(generate.eval())

这样修改后，每次运行脚本都会得到相同的随机数结果。

内容的提问来源于stack exchange，提问作者Ryan