如何使用pytorch确保每次运行都生成相同的随机数序列?
- 内容介绍
- 文章标签
- 相关推荐
本文共计249个文字,预计阅读时间需要1分钟。
在代码的头部添加以下几句即可:python假设这里是代码的头部这样,代码的头部就添加了几句简单的注释。
其实在代码的开头添加下面几句话即可:
# 保证训练时获取的随机数都是一样的 init_seed = 1 torch.manual_seed(init_seed) torch.cuda.manual_seed(init_seed) np.random.seed(init_seed) # 用于numpy的随机数
torch.manual_seed(seed)
为了生成随机数设置种子。返回一个torch.Generator对象
参数:
seed (int) – 期望的种子数
torch.cuda.manual_seed(seed)
为当前GPU生成随机数设置种子。
本文共计249个文字,预计阅读时间需要1分钟。
在代码的头部添加以下几句即可:python假设这里是代码的头部这样,代码的头部就添加了几句简单的注释。
其实在代码的开头添加下面几句话即可:
# 保证训练时获取的随机数都是一样的 init_seed = 1 torch.manual_seed(init_seed) torch.cuda.manual_seed(init_seed) np.random.seed(init_seed) # 用于numpy的随机数
torch.manual_seed(seed)
为了生成随机数设置种子。返回一个torch.Generator对象
参数:
seed (int) – 期望的种子数
torch.cuda.manual_seed(seed)
为当前GPU生成随机数设置种子。

