为什么这个 TensorFlow 代码在测试用例中表现不同？

Question

我有一个函数（下面的foo），当它直接运行时与在tf.test.TestCase 内运行时表现不同。

该代码应该使用 elems [1..5] 创建一个数据集并对其进行洗牌。然后重复 3 次：从数据中创建一个迭代器并使用它来打印 5 个元素。

当它自己运行时，它会给出所有列表都被打乱的输出，例如：

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

但在测试用例中运行时，它们总是相同的，即使在运行之间也是如此：

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

我想这与测试用例如何处理随机种子有关，但我在 TensorFlow 文档中看不到任何相关内容。感谢您的帮助！

---

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()

我使用 Python 3.6 和 TensorFlow 1.4 运行它。不需要其他模块。

Answer 1

我认为你是对的； tf.test.TestCase 被setup 使用固定种子。

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

和 DEFAULT_GRAPH_SEED = 87654321 见this 行中的tensorflow/tensorflow/python/framework/random_seed.py。