1. 개요

• Tensorflow에서의 Random seed에 대해 알아본다.
  • global random seed
  • operation level random seed
  • jupyter에서의 random seed

---

2. global random seed

• tf.random.set_seed()
• tf.keras.utils.set_seed()

프레임 워크 전반에 걸쳐 초기 난수 생성을 제어함.

---

3. operation-level random seed

• tf.random.uniform([1], seed=seed_value)
• LSTM(lstm_node, return_sequences=True, seed=seed_value)
• Dropout(drop_out_rate, seed=seed_value)

지정된 연산에만 난수 생성을 제어함.

---

4. jyputer에서의 random seed

4-A. global random seed

• global random seed를 설정할 경우 같은 패턴의 난수 생성
  Cell을 실행할때마다 같은 수치가 나오는게 아닌 같은 패턴으로 나옴.
  
  
• 주의할 점은 jupyter에서 Cell을 두번 실행하는건 Cell 내 메소드를 두번 호출한것과 같아서 Cell을 여러번 실행할 경우 매번 수치가 다르게 나올 수 있음.

• 매번 Cell 실행마다 같은 수치가 나오길 원한다면 위처럼 Cell 안에 random seed를 선언해주어야 함.

4-B. operation-level random seed

• 해당 사진은 2번째 Cell을 두번 실행한 이후 jupyter Restart를 한 뒤 3번째 Cell을 실행함.
  • 눈여겨 볼 부분은 두번째 호출값이 동일한 것
• operation-level random seed 역시 마찬가지로 Cell을 실행할때마다 매번 같은 수치가 나오는것이 아닌 일정 패턴에 따라 출력됨.

---

결론

G-seed	O-seed	description
O	X	프레임 워크 전반적으로 초기 난수 패턴이 설정됨
X	O	Operation-level-seed값이 설정된 메소드 한에서 초기 난수 패턴이 설정됨.
O	O	프레임 워크 전반적으로 초기 난수 패턴이 설정되며 O-seed를 설정한 메소드 한해서는 G-seed가 적용된 메소드와 다른 난수 패턴이 설정됨.

---

ref

• https://junstar92.tistory.com/98
• https://www.tensorflow.org/api_docs/python/tf/random/set_seed
• https://www.tensorflow.org/api_docs/python/tf/keras/utils/set_random_seed