为何TensorFlow的random.truncated_normal同种子返回不同结果？

核心原因 #

你设置的seed是操作级种子，它的作用是保证单个随机操作在不同环境（比如不同机器、不同会话）下的可复现性，而非让每次调用该函数都输出相同结果。

每次调用tf.random.truncated_normal(seed=xxx)时，TensorFlow都会在默认图中创建一个新的随机数生成器实例。哪怕seed相同，每个实例的内部状态是独立推进的，所以两次调用会生成不同的随机数序列。

实现两次输出相同结果的方法 #

有两种可靠的方式：

方法1：设置全局种子

通过全局种子固定整个TensorFlow运行环境的随机数生成状态，所有随机操作都会基于同一个全局状态生成序列：

import tensorflow as tf
tf.random.set_seed(1234)  # 固定全局种子
print(tf.random.truncated_normal(shape=[2]))
print(tf.random.truncated_normal(shape=[2]))

执行后两次输出会完全一致。

方法2：复用随机数生成器对象

创建一个固定种子的生成器实例，通过控制生成器的状态来复现结果：

import tensorflow as tf
# 创建带固定种子的生成器
rng = tf.random.Generator.from_seed(1234)
# 第一次生成
print(rng.truncated_normal(shape=[2]))
# 重置生成器状态到初始种子
rng.reset_from_seed(1234)
# 第二次生成，结果和第一次一致
print(rng.truncated_normal(shape=[2]))

内容的提问来源于stack exchange，提问作者zell