【深度学习】训练前设置随机种子，使实验结果可重复

parser = argparse.ArgumentParser()
parser.add_argument('--random-seed', type='int', default=40,
                    help='Random seed.')

args = parser.parse_args()

pytorch：

def seed_torch(seed=args.seed):
    seed = int(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

tensorflow:

def seed_tensorflow(seed=args.seed):
    random.seed(seed)
    os.environ['PYTHONHASHSEED'] = str(seed)
    np.random.seed(seed)
    tf.set_random_seed(seed)

keras:
因为keras用的是nump的随机生成

import tensorflow as tf
from tensorflow import keras as K
import numpy as np
seed = 42
np.random.seed(seed)

random:
random是python自带的一个包，存在的操作会有random.choice等等，从一个list中随机取一个或多个元素。

import random
seed = 42
random.seed(seed)

hash:
HASHSEED是 HASH映射函数时，保证每一次新的运行进程，对于一个相同的object生成的hash是相同的。

seed = 42
os.environ['PYTHONHASHSEED'] = str(seed)