4.Pytorch基础模块torch的API之Generator实例详解

0. torch

torch包含多维张量的数据结构，并定义了对这些张量的数学运算。

1. Tensors

👉1.Pytorch基础模块torch的API之Tensors实例详解

2. Creation Ops

👉2.Pytorch基础模块torch的API之Creation Ops实例详解

3. Indexing,Slicing,Joining,Mutating Ops

👉3.Pytorch基础模块torch的API之Indexing,Slicing,Joining,Mutating Ops实例详解

4. Generator

import torch
import numpy as np

CLASS torch.Generator(device='cpu') → Generator

torch生成器的类，创建并返回一个生成器对象，该对象管理生成伪随机数的算法的状态。

在许多就地随机采样函数中用作关键字参数。

4.1 device

# 获取生成器的当前设备
g_cpu = torch.Generator()
g_cpu.device

device(type='cpu')

g_gpu = torch.Generator('cuda')
g_gpu.device

device(type='cuda')

4.2 get_state()

# 以torch.ByteTensor的形式返回生成器状态。
g_cpu = torch.Generator()
g_cpu.get_state()

tensor([  1, 209, 156,  ...,   0,   0,   0], dtype=torch.uint8)

4.3 initial_seed()

# 返回用于生成随机数的初始种子。
g_cpu = torch.Generator()
g_cpu.initial_seed()

67280421310721

4.4 manual_seed()

# 设置用于生成随机数的种子。 返回torch.Generator对象。 
# 建议设置一个大种子，即一个具有0和1位平衡的数字。 避免在种子中包含许多0位。
g_cpu = torch.Generator()
g_cpu.manual_seed(67280421310721)

<torch._C.Generator at 0x24c9a5019d0>

4.5 seed()

# 从std::random_device或当前时间获取不确定的随机数并将其用作生成器的种子
g_cpu = torch.Generator()
g_cpu.seed()

1137987724531500

4.6 set_state()

# 设置生成器的状态,例子是把一个生成器的状态设置成另外一个生成器的状态。
g_cpu = torch.Generator()
g_cpu_other = torch.Generator()
g_cpu.set_state(g_cpu_other.get_state())

<torch._C.Generator at 0x24c9ab4e430>

reference:

• https://pytorch.org/docs/master/torch.html

须知少时凌云志，曾许人间第一流。