在图分类任务中如何保证可重复性

[pancccool]

在使用tf_geometric中的图分类模型时，实验结果不能重复。如何控制tf_geometric的随机性，保证实验结果可重复呢？

[hujunxianligong]

据我所知，目前TensorFlow的segment操作（用于图的各种消息传播）很难提供deterministic特性（https://github.com/tensorflow/tensorflow/issues/39751），pyg貌似也存在同样的问题。

记得DGL好像是可以实现deterministic操作的。

所以你可以：
1）使用tfg或者pyg，一般多次平均的效果比较稳定（也比较能真实说明运行结果）
2）使用DGL

[pancccool]

据我说，目前TensorFlow的segment（用于图的各种消息传播）提供了不可确定的特性（https://github.com/tensorflow/tensorflow/issues/39751），pyg假装也存在同样的问题。

记得DGL好像是可以实现确定性操作的。

所以你： 1）使用tfg或者pyg，一般常用的效果比较稳定（也比较能真实说明运行结果） 2）使用DGL

据我说，目前TensorFlow的segment（用于图的各种消息传播）提供了不可确定的特性（https://github.com/tensorflow/tensorflow/issues/39751），pyg假装也存在同样的问题。

记得DGL好像是可以实现确定性操作的。

所以你： 1）使用tfg或者pyg，一般常用的效果比较稳定（也比较能真实说明运行结果） 2）使用DGL

明白了，谢谢！

[hujunxianligong]

补充一下，如果只是为了保证结果一致（不考虑训练），切换到CPU模式，正产设置各种种子，也就没有deterministic的问题了（这是GPU的问题）