Блокировать значение переменной после случайного использования

Я имею дело с автоэнкодером с шумоподавлением в keras. Итак, после создания зашумленного ввода с помощью случайного инструмента я заметил, что даже если я использую контрольный указатель для сохранения весов модели, я получаю разные закодированные данные каждый раз, когда запускаю скрипт, в то время как когда я имею дело с обычным автотенкодером, У меня нет такой проблемы.

Поэтому я думаю, что проблема возникает из-за сгенерированных зашумленных входных данных. Как я могу раз и навсегда исправить значения этого зашумленного ввода данных.

Вот как я сгенерировал зашумленный ввод:

mu, sigma = 2, 3
noise_noy = np.random.normal(mu, sigma, [7412,48])
noise_test = np.random.normal(mu, sigma, [3600,48])
noised_noyau_y = df_noyau_yes + noise_noy
noised_test_y = df_test_yes + noise_test
print(noised_noyau_y)

И это шумоподавляющий автоэнкодер

checkpointer = ModelCheckpoint(filepath="modelyes.h5",
                               verbose=0,
                               save_best_only=True,
                               save_weights_only=True)
tensorboard = TensorBoard(log_dir='/tmp/autoencoder',
                          histogram_freq=0,
                          write_graph=True,
                          write_images=True)
input_enc = Input(shape=(input_size,))
hidden_1 = Dense(hidden_size1, activation='relu')(input_enc)
hidden_11 = Dense(hidden_size2, activation='relu')(hidden_1)
code = Dense(code_size, activation='relu')(hidden_11)
hidden_22 = Dense(hidden_size2, activation='relu')(code)
hidden_2 = Dense(hidden_size1, activation='relu')(hidden_22)
output_enc = Dense(input_size, activation='tanh')(hidden_2)
D_autoencoder_yes = Model(input_enc, output_enc)
D_autoencoder_yes.compile(optimizer='adam',
                         loss='mean_squared_error', 
                         metrics=['accuracy'])
history_D_yes = D_autoencoder_yes.fit(df_noised_noy_norm_y, df_noyau_norm_y,
                               epochs=200,
                                batch_size=batch_size,
                                shuffle = True,
                                validation_data=(df_noised_test_norm_y, df_test_norm_y),
                                verbose=1, 
                                callbacks=[checkpointer, tensorboard]).history
D_autoencoder_yes.save_weights("modelyes.h5")
D_autoencoder_yes.load_weights("modelyes.h5")

генерация закодированных данных

encoder_yes = Model (inputs = input_enc,outputs = code)
encoded_input = Input(shape=(code_size, ))
encoded_data_yes = encoder_yes.predict(df_noised_noy_norm_y)
print("Encoded representations of samples belonging to class YES",encoded_data_yes)

python keras autoencoder
person Mari    schedule 05.04.2018    source источник
comment
Если вы хотите получить постоянный случайный ввод, вы можете использовать numpy.random.seed с константой, например: stackoverflow.com/a/ 21494630/4121573   -  person Adonis    schedule 05.04.2018

Ответы (1)


arrow_upward
0
arrow_downward

Итак, вы хотите каждый раз получать один и тот же «случайный» ввод?

Заблокируйте генератор случайных чисел, вызвав np.random.seed(x) с целое число x перед созданием ваших случайных массивов. Обратите внимание, что x может быть любым целым числом, если оно каждый раз одно и то же.

np.random.seed(42)
noise_noy_1 = np.random.normal(mu, sigma, [7412,48])

np.random.seed(42)
noise_noy_2 = np.random.normal(mu, sigma, [7412,48])

if (noise_noy_1 == noise_noy_2).all():
    print('Equal')
person NLindros    schedule 05.04.2018