深度学习代码一样，但是每次跑的结果都不同（甚至相差很大）

一、前言：

由于在跑代码时，发现自己每次跑的结果相差很大，于是询问其他同学的代码，他们的代码每次跑也不一样，但是结果相差是一个合理范围，而我的结果，就明显不合理。

我把自己的代码看了一遍，也没找到原因，然后去网上找找别人会不会有这样的情况，结果还是有人给我一样的情况，万千世界，无奇不有。

以下解决办法，不确保对你的有用，但是可以尝试。

二、解决办法

1.设置随机种子

因为代码在运行时，会产生随机数，如果不设置随机种子，很有可能每次出现随机数不同，进而可能导致结果出现差异。

请看下面这个实验：

import numpy as np
import torch

print("Numpy随机数:不设置随机种子")
for i in range(5):
    print(np.random.rand(1))

print('-' * 50)

print("Numpy随机数:设置随机种子")
for j in range(5):
    np.random.seed(42)  
    print(np.random.rand(1))

print('-' * 50)

print("PyTorch随机数:不设置随机种子")
for i in range(5):
    print(torch.rand(1))

print('-' * 50)

print("PyTorch随机数:设置随机种子")
for j in range(5):
    torch.manual_seed(42)
    print(torch.rand(1))

下面是结果：

Numpy随机数:不设置随机种子
[0.6510666]
[0.24762528]
[0.25380042]
[0.2385413]
[0.40977083]
--------------------------------------------------
Numpy随机数:设置随机种子
[0.37454012]
[0.37454012]
[0.37454012]
[0.37454012]
[0.37454012]
--------------------------------------------------
PyTorch随机数:不设置随机种子
tensor([0.1280])
tensor([0.1837])
tensor([0.0940])
tensor([0.5511])
tensor([0.5864])
--------------------------------------------------
PyTorch随机数:设置随机种子
tensor([0.8823])
tensor([0.8823])
tensor([0.8823])
tensor([0.8823])
tensor([0.8823])

注意：随机种子理论上是随便设置，有人设置"0"，"1234"， "2024"，"42"等。但是不同的随机种子可能会导致结果的好坏，这里面有一点玄学成分。

上面实验中，我设置的随机种子是**"42"，下面实验，我设置为"0"**，看看生成的随机数有什么不同。

Numpy随机数:不设置随机种子
[0.69071155]
[0.99423298]
[0.23947714]
[0.25467987]
[0.23614593]
--------------------------------------------------
Numpy随机数:设置随机种子
[0.5488135]
[0.5488135]
[0.5488135]
[0.5488135]
[0.5488135]
--------------------------------------------------
PyTorch随机数:不设置随机种子
tensor([0.6033])
tensor([0.5968])
tensor([0.8032])
tensor([0.9530])
tensor([0.7456])
--------------------------------------------------
PyTorch随机数:设置随机种子
tensor([0.4963])
tensor([0.4963])
tensor([0.4963])
tensor([0.4963])
tensor([0.4963])

可以看出，随机种子不同，生成的随机数也不同，造成结果好坏的原因可能是：随机种子“0”生成的随机数”0.4963“比随机种子“42”生成的随机数“0.8823”更适合你的程序。

因此，在你程序最开始的地方，调用一下这个函数。

def set_random_seed(seed, deterministic=False):
    random.seed(seed)  
    np.random.seed(seed)
    torch.manual_seed(seed)  # 为一个GPU设置随机种子
    torch.cuda.manual_seed_all(seed)  # 为多个GPU设置同一随机种子
    if deterministic:  # 以下操作涉及cudnn，一般为False，也可以设置为True，尝试一下。
        torch.backends.cudnn.deterministic = True
        torch.backends.cudnn.benchmark = False

2.多运行几次取平均值

这个解决办法，就是无奈之举了。

比如：跑5次或者10次取个平均值。

还可以取最高的一次，这个还是要询问一下，导师或者领导的意见吧！

参考文献

1.https://blog.csdn.net/yyywxk/article/details/121606566?

2.https://blog.csdn.net/qq_28531269/article/details/121109486?

3.https://blog.csdn.net/baidu_39389949/article/details/121412455