每次使用TensorFlow訓練CNN（MNIST數據集）時，如何獲得相同的損失值？

Question

我想訓練卷積神經網絡（帶有MNIST數據集和TensorFlow）幾次，每次獲得相同的精度結果。 為了得到這個我：

1. 保存未經訓練的僅初始化（global_variables_initializer）網絡
2. 每次我開始訓練時，請加載此未經訓練的網絡
3. 設置mnist.train.next_batch shuffle = False，因此圖像序列每次都相同

我之前使用前饋網絡（3個隱藏層）進行了此操作，每次運行此python腳本時，我都會得到完全相同的損耗和准確性值。

但是，將模型從前饋網絡更改為卷積神經網絡的“相同”腳本使每次運行腳本時的損失/准確性都有所不同。

因此，我將批處理大小減小為一個，並為每個圖像查找損失值，並看到前兩個圖像始終具有相同的損失值，但是其余的每次運行腳本時都有一點不同。

知道為什么嗎？

Answer 1

感謝@AlexandrePassos評論，我在TensorFlow中搜索確定性/非確定性操作。

因此，目前所有使用CUDA原子並在GPU上運行的操作都是不確定的。
看到這個鏈接： https : //github.com/tensorflow/tensorflow/issues/3103

如果有人知道在GPU上使用TensorFlow並執行確定性操作的CNN的方法，請： 如何在GPU上的TensorFlow中使用確定性操作創建CNN？