小编loa*_*box的帖子

import logging
import pandas as pd

logger = logging.getLogger('train')
logger.setLevel(logging.DEBUG)

# Data
data = {'Name': ['Tom', 'nick', 'krish', 'jack'], 'Age': [20, 21, 19, 18]}

# Create DataFrame
df = pd.DataFrame(data)

logger.info(type(df))
logger.info(df.info())
.
.
.
<other_processes>
.

上面的代码输出：

<class 'pandas.core.frame.DataFrame'>
None
.
.
.

在日志的末尾（在所有其他进程之后），它还输出：

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4 entries, 0 to 3
Data columns (total 2 columns):
Name    4 non-null object
Age     4 non-null int64
dtypes: int64(1), object(1)
memory usage: 144.0+ bytes

None当我尝试记录 df.info() 时，为什么会打印它？如何在日志中的预期位置获取 df.info()？

我试图在训练使用keraswithtensorflow作为后端的深度学习模型时产生可重复的结果。

我浏览了这个文件：https : //keras.io/getting-started/faq/#how-can-i-obtain-reproducible-results-using-keras-during-development来设置 numpy 的、python 的和 tf 的随机种子train.py我用于训练的文件。

现在，这个文件从其他两个模块utils.py和model.py. 在这两个文件中，我都有import numpy as np和import tensorflow as tf在顶部。我的问题是 - 从不同模块导入和设置随机种子如何工作？

a) 我需要在导入语句后在每个文件中设置随机种子吗？

b) 或者，我是否只需要在 中设置这些种子train.py并在这些设置种子命令之后从其他模块执行所有导入？

c)tf.set_random_seed(1)以后import tensorflow as tf还需要做吗？

d)tf.set_random_seed(1)即使我不导入 tensorflow 或 keras 而只是从 keras 导入层，我是否需要设置？