Pytorch Reproducity（复现问题）

可复现性是炼丹所必要的。很多的blog都提到说要在训练前设定好 各种随机种子。

    torch.manual_seed(seed)
    torch.cuda.manual_seed(seed)
    torch.cuda.manual_seed_all(seed)  # if you are using multi-GPU.
    np.random.seed(seed)  # Numpy module.
    random.seed(seed)  # Python random module.
    torch.manual_seed(seed)
    torch.backends.cudnn.benchmark = False
    torch.backends.cudnn.deterministic = True

但是这还不足够，还需要对dataloader 中的 worker_init_fn 设定参数，（如果dataset中有随机的部分）

比如设定函数

def worker_init(worked_id):
     np.random.seed(args.seed)
     random.seed(args.seed)

然后在dataloader 设置 worker_init_fn=worker_init
当然pytorch 有些模块是做不到可复现的 upsample 和 interpolate

https://github.com/pytorch/pytorch/issues/7068#issuecomment-484918113