logongas

Herramientas de usuario

Herramientas del sitio

Ocultar Menú
Traza:
clase:iabd:pia:experimentos:semillas

Diferencias

Muestra las diferencias entre dos versiones de la página.

Enlace a la vista de comparación

Próxima revisión 		Revisión previa
clase:iabd:pia:experimentos:semillas [2023/10/28 03:08]
admin creado 		clase:iabd:pia:experimentos:semillas [2024/12/08 21:31] (actual)
admin [Conclusión]
Línea 1: Línea 1:
 ====== Semillas ====== ====== Semillas ======
 Comprobar el valor de los 3 generadores de números aleatorios y comprobar si varían con las versiones de python,numpy o tf Comprobar el valor de los 3 generadores de números aleatorios y comprobar si varían con las versiones de python,numpy o tf
 +
 +Y además comprobar si los pesos al crear una red varían de unas versiones a otras
  
 <sxh python> <sxh python>
 +#!/usr/bin/env python3
 import sys import sys
 import random import random
 import numpy as np import numpy as np
 import tensorflow as tf import tensorflow as tf
 +
 print("Versión de Python:", sys.version) print("Versión de Python:", sys.version)
 print("Versión de NumPy:", np.__version__) print("Versión de NumPy:", np.__version__)
Línea 19: Línea 23:
 print("Con Numpy:",np.random.uniform()) print("Con Numpy:",np.random.uniform())
 print("Con Tensorflow:",tf.random.uniform(shape=(), minval=0, maxval=1).numpy()) print("Con Tensorflow:",tf.random.uniform(shape=(), minval=0, maxval=1).numpy())
 +
 +from tensorflow.keras.models import Sequential
 +from tensorflow.keras.layers import Dense
 + 
 +np.random.seed(5)
 +tf.random.set_seed(5)
 +random.seed(5)  
 + 
 +model=Sequential()
 +model.add(Dense(5, activation='relu',input_dim=2))
 +model.add(Dense(5, activation='relu'))
 +model.compile(loss='mean_squared_error')
 +for layer in model.layers:
 +    print(layer.get_weights()[0].reshape(-1)) 
 +for layer in model.layers:
 +    print(layer.get_weights()[1])
 </sxh> </sxh>
  
  
 +  * Mi ordenador con Tensorflow 2.8.4
 <sxh base> <sxh base>
 +
 +
 Versión de Python: 3.10.12 (main, Jun 11 2023, 05:26:28) [GCC 11.4.0] Versión de Python: 3.10.12 (main, Jun 11 2023, 05:26:28) [GCC 11.4.0]
 Versión de NumPy: 1.23.5 Versión de NumPy: 1.23.5
Línea 29: Línea 52:
 Con Numpy: 0.22199317108973948 Con Numpy: 0.22199317108973948
 Con Tensorflow: 0.6263931 Con Tensorflow: 0.6263931
 +[ 0.23403454  0.05525887  0.47856975  0.01571751 -0.28857118 -0.3340401
 +  0.35486686 -0.43231097 -0.8567835  -0.5518664 ]
 +[ 0.3124839  -0.70741147  0.09365994 -0.5855427  -0.34088686 -0.65839696
 + -0.15128028  0.7582902   0.14519715  0.3895806  -0.689723   -0.6508303
 +  0.4060253   0.45104933 -0.30246195  0.40485013  0.15446562  0.06680018
 +  0.59774756 -0.02054155 -0.75420505  0.13622719 -0.2671212  -0.40525684
 +  0.6609149 ]
 +[0. 0. 0. 0. 0.]
 +[0. 0. 0. 0. 0.]
 +
 </sxh> </sxh>
 +
 +  * Mi ordenador con Tensorflow 2.12
 +<sxh base>
 +Versión de Python: 3.10.12 (main, Jun 11 2023, 05:26:28) [GCC 11.4.0]
 +Versión de NumPy: 1.23.5
 +Versión de TensorFlow: 2.12.0
 +Con random: 0.6229016948897019
 +Con Numpy: 0.22199317108973948
 +Con Tensorflow: 0.6263931
 +[ 0.44648862  0.39008212 -0.2500074   0.5530908   0.8441111   0.42121875
 +  0.48914194  0.1446724  -0.6092199   0.27305746]
 +[ 0.66853154  0.10833853  0.48234296  0.41093683  0.05519938  0.50477564
 + -0.7613942   0.61522007 -0.5131155   0.34656572  0.5320357  -0.48540664
 + -0.5437882   0.58495295  0.42670572  0.02728176 -0.34232992  0.5339979
 + -0.26441842 -0.13371903 -0.14562988  0.7259475   0.37215436  0.6933198
 + -0.45787498]
 +[0. 0. 0. 0. 0.]
 +[0. 0. 0. 0. 0.]
 +
 +</sxh>
 +
 +
 +  * Mi ordenador con Tensorflow 2.14
 +<sxh base>
 +
 +Versión de Python: 3.10.12 (main, Jun 11 2023, 05:26:28) [GCC 11.4.0]
 +Versión de NumPy: 1.26.1
 +Versión de TensorFlow: 2.14.0
 +Con random: 0.6229016948897019
 +Con Numpy: 0.22199317108973948
 +Con Tensorflow: 0.6263931
 +[ 0.44648862  0.39008212 -0.2500074   0.5530908   0.8441111   0.42121875
 +  0.48914194  0.1446724  -0.6092199   0.27305746]
 +[ 0.66853154  0.10833853  0.48234296  0.41093683  0.05519938  0.50477564
 + -0.7613942   0.61522007 -0.5131155   0.34656572  0.5320357  -0.48540664
 + -0.5437882   0.58495295  0.42670572  0.02728176 -0.34232992  0.5339979
 + -0.26441842 -0.13371903 -0.14562988  0.7259475   0.37215436  0.6933198
 + -0.45787498]
 +[0. 0. 0. 0. 0.]
 +[0. 0. 0. 0. 0.]
 +
 +
 +</sxh>
 +
 +  * Google Colab con CPU y tensorflow 2.14
 +<sxh base>
 +Versión de Python: 3.10.12 (main, Jun 11 2023, 05:26:28) [GCC 11.4.0]
 +Versión de NumPy: 1.23.5
 +Versión de TensorFlow: 2.14.0
 +Con random: 0.6229016948897019
 +Con Numpy: 0.22199317108973948
 +Con Tensorflow: 0.6263931
 +[ 0.44648862  0.39008212 -0.2500074   0.5530908   0.8441111   0.42121875
 +  0.48914194  0.1446724  -0.6092199   0.27305746]
 +[ 0.66853154  0.10833853  0.48234296  0.41093683  0.05519938  0.50477564
 + -0.7613942   0.61522007 -0.5131155   0.34656572  0.5320357  -0.48540664
 + -0.5437882   0.58495295  0.42670572  0.02728176 -0.34232992  0.5339979
 + -0.26441842 -0.13371903 -0.14562988  0.7259475   0.37215436  0.6933198
 + -0.45787498]
 +[0. 0. 0. 0. 0.]
 +[0. 0. 0. 0. 0.]
 +
 +</sxh>
 +
 +  * Google Colab con T4 GPU y tensorflow 2.14
 +<sxh base>
 +Versión de Python: 3.10.12 (main, Jun 11 2023, 05:26:28) [GCC 11.4.0]
 +Versión de NumPy: 1.23.5
 +Versión de TensorFlow: 2.14.0
 +Con random: 0.6229016948897019
 +Con Numpy: 0.22199317108973948
 +Con Tensorflow: 0.6263931
 +[ 0.44648862  0.39008212 -0.2500074   0.5530908   0.8441111   0.42121875
 +  0.48914194  0.1446724  -0.6092199   0.27305746]
 +[ 0.66853154  0.10833853  0.48234296  0.41093683  0.05519938  0.50477564
 + -0.7613942   0.61522007 -0.5131155   0.34656572  0.5320357  -0.48540664
 + -0.5437882   0.58495295  0.42670572  0.02728176 -0.34232992  0.5339979
 + -0.26441842 -0.13371903 -0.14562988  0.7259475   0.37215436  0.6933198
 + -0.45787498]
 +[0. 0. 0. 0. 0.]
 +[0. 0. 0. 0. 0.]
 +
 +</sxh>
 +
 +  * Google Colab con TPU y tensorflow 2.12
 +<sxh base>
 +Versión de Python: 3.10.12 (main, Jun 11 2023, 05:26:28) [GCC 11.4.0]
 +Versión de NumPy: 1.23.5
 +Versión de TensorFlow: 2.12.0
 +Con random: 0.6229016948897019
 +Con Numpy: 0.22199317108973948
 +Con Tensorflow: 0.6263931
 +[ 0.44648862  0.39008212 -0.2500074   0.5530908   0.8441111   0.42121875
 +  0.48914194  0.1446724  -0.6092199   0.27305746]
 +[ 0.66853154  0.10833853  0.48234296  0.41093683  0.05519938  0.50477564
 + -0.7613942   0.61522007 -0.5131155   0.34656572  0.5320357  -0.48540664
 + -0.5437882   0.58495295  0.42670572  0.02728176 -0.34232992  0.5339979
 + -0.26441842 -0.13371903 -0.14562988  0.7259475   0.37215436  0.6933198
 + -0.45787498]
 +[0. 0. 0. 0. 0.]
 +[0. 0. 0. 0. 0.]
 +</sxh>
 +
 +===== Conclusión =====
 +**Aun poniendo la semilla, las redes pueden ser  distintas según la versión de Tensorflow. Y que el hardware realmente no influye.**
 +
  
clase/iabd/pia/experimentos/semillas.1698455318.txt.gz · Última modificación: 2023/10/28 03:08 por admin

Herramientas de la página

Excepto donde se indique lo contrario, el contenido de este wiki esta bajo la siguiente licencia: GNU Free Documentation License 1.3
GNU Free Documentation License 1.3 Donate Powered by PHP Valid HTML5 Valid CSS Driven by DokuWiki