强化学习训练时的seed

---

前言

pytorch框架，gym环境

---

一、pytorch框架的seed

import random
import numpy as np
import torch

def seed_everything(seed):
    random.seed(seed)               # Python内置随机数
    np.random.seed(seed)             # NumPy随机数
    torch.manual_seed(seed)         # PyTorch CPU种子
    if torch.cuda.is_available():
        torch.cuda.manual_seed(seed)       # 当前GPU种子
        torch.cuda.manual_seed_all(seed)   # 所有GPU种子
        torch.backends.cudnn.deterministic = True  # 启用确定性算法
        torch.backends.cudnn.benchmark = False     # 关闭自动优化[1,2,6](@ref)

二、gym环境seed

env = gym.make("CartPole-v1")
env.seed(seed)  # 固定环境内部随机性（如初始状态、动态噪声）[3,5](@ref)

---

注意

即使固定所有种子，以下情况仍可能导致不可复现：

1. GPU并行计算
   PyTorch的原子操作（如atomicAdd）和CUDA底层并行机制引入不确定性，需改用CPU或容忍部分随机性。
2. ​第三方库依赖
   若代码依赖未固定种子的外部库（如OpenAI Gym的某些扩展环境），需检查其随机源