tf.image.stateless_random_crop VS。 tf.image.random_crop。这些不应该是一样的吗？答案

【问题标题】：tf.image.stateless_random_crop VS. tf.image.random_crop. Shouldn't these be the same thing?tf.image.stateless_random_crop VS。 tf.image.random_crop。这些不应该是一样的吗？
【发布时间】：2021-07-18 17:39:57
【问题描述】：

在 tf 2.5 中，有两个用于裁剪图像的函数：tf.image.stateless_random_crop 和 tf.image.random_crop。文档指出stateless_random_crop 是确定性的（总是返回给定一颗种子的相同作物）。但是，random_crop 有一个种子参数，并且是确定性的，人们会认为。这两个功能之间的实际区别是什么？我在任何地方都找不到关于 Tensorflow 中无状态的信息。

tf.image.stateless_random_crop 和 tf.image.random_crop 之间的区别在于其中一行使用 stateless_random_uniform 而不是 random_uniform： stateless_random_crop：https://github.com/tensorflow/tensorflow/blob/v2.5.0/tensorflow/python/ops/random_ops.py#L415-L465 随机裁剪：https://github.com/tensorflow/tensorflow/blob/v2.5.0/tensorflow/python/ops/random_ops.py#L360-L412

我一直认为random_crop 总是会在给定种子的情况下返回相同的作物，但看起来可能并非总是如此？非常感谢任何关于 Tensorflow 中无状态的启示！

【问题讨论】：

标签： python tensorflow tensorflow2.0 tensorflow-datasets

【解决方案1】：

random_crop 只有在设置了全局种子和操作种子时才会返回相同的作物序列。

使用tf.random.set_seed(global_seed)设置全局种子
操作种子是通过将种子参数传递给操作来设置的，即tf.image.random_crop(value, size, seed=ops_seed)

而stateless_random_crop 返回的内容完全取决于您在设备和 tensorflow 版本不变时传递给它的种子。

你说得对，这些函数看起来是多余的和重复的，但实际上 tf.image.random_crop 来自旧的 RNGs API，它在图形模式下可能有问题。新的 RNG API 是 tf.random.Generator 和无状态 RNG。欲了解更多信息，请参阅https://www.tensorflow.org/guide/random_numbers

将tf.random.Generator 与stateless_random_crop 结合使用：

class new_RNGs_random_crop:
  def __init__(self,seed,size):
    self.rand_generator=tf.random.Generator.from_seed(seed)
    self.size=size
  def random_crop(self,x):
    return tf.image.stateless_random_crop(x,self.size,
           seed=self.rand_generator.uniform_full_int([2],dtype=tf.int32))

dummy_dataset=tf.data.Dataset.from_tensor_slices(np.arange(2*3*3).reshape((2,3,3))).batch(1)
cropper=new_RNGs_random_crop(88883,(1,2,2))
dummy_dataset=dummy_dataset.map(cropper.random_crop)

for image in dummy_dataset:
  print(image)

示例输出：

tf.Tensor(
[[[3 4]
  [6 7]]], shape=(1, 2, 2), dtype=int64)
tf.Tensor(
[[[ 9 10]
  [12 13]]], shape=(1, 2, 2), dtype=int64)

【讨论】：