最近训练只加了如下,发现每次的结果有点不一样。
torch.manual_seed(1234)
随即看了一下这方面的资料。
一般来说需要设置如下:
1.CuDNN
在CuDNN后端运行时,必须设置另外两个选项:
torch.backends.cudnn.deterministic = True
torch.backends.cudnn.benchmark = False
警告
影响精度在小数点后几位,可以不修改,确定性模式可能会对性能产生影响,具体取决于您的型号。
2. Pytorch
torch.manual_seed(seed) # 为CPU设置随机种子
torch.cuda.manual_seed(seed) # 为当前GPU设置随机种子
torch.cuda.manual_seed_all(seed) # 为所有GPU设置随机种子
3. Python & Numpy
如果读取数据的过程采用了随机预处理(如RandomCrop、RandomHorizontalFlip等),那么对python、numpy的随机数生成器也需要设置种子。
import random
import numpy as np
random.seed(seed)
np.random.seed(seed)
总结
可以写到一个函数
def set_seed(seed):
random.seed(seed)
os.environ['PYTHONHASHSEED'] = str(seed)
np.random.seed(seed)
torch.manual_seed(seed)
torch.cuda.manual_seed(seed)
torch.cuda.manual_seed_all(seed)
torch.backends.cudnn.deterministic = True
torch.backends.cudnn.benchmark = False
torch.backends.cudnn.enabled = False
参考:
https://blog.csdn.net/hyk_1996/article/details/84307108
https://zhuanlan.zhihu.com/p/76472385