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

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值