要想整个模型是确定性的,我们需要设定好随机种子,这样当程序运行到具有random的模块时,由于伪随机的种子是相同的,那么随机得到的结果也是相同的。需要设定的随机种子如下。
def set_seed(self, seed=0):
random.seed(seed)
np.random.seed(seed)
torch.manual_seed(seed) #为CPU设置种子用于生成随机数,以使得结果是确定的
torch.cuda.manual_seed(seed) #为当前GPU设置随机种子;
torch.cuda.manual_seed_all(seed) #如果使用多个GPU,为所有的GPU设置种子。
torch.backends.cudnn.deterministic = True # CPU和GPU结果一致
torch.backends.cudnn.benchmark = False
cuDNN使用非确定性算法,并且可以使用torch.backends.cudnn.enabled = False来进行禁用
如果设置为torch.backends.cudnn.enabled =True,说明设置为使用使用非确定性算法
然后再设置:
torch.backends.cudnn.benchmark = true
那么cuDNN使用的非确定性算法就会自动寻找最适合当前配置的高效算法,来达到优化运行效率的问