Pytorch：生成随机数种子，torch.mamual_seed()、torch.cuda.manual_seed()、torch.cuda.manual_seed_all()解析

前言

在神经网络中，参数默认是进行随机初始化的。如果不设置的话每次训练时的初始化都是随机的，导致结果不确定。如果设置初始化，则每次初始化都是固定的。

实际上，计算机并不能产生真正的随机数，而是已经编写好的一些无规则排列的数字存储在电脑里，把这些数字划分为若干相等的N份，并为每份加上一个编号，编号固定的时候，获得的随机数也是固定的。

使用原因：在需要生成随机数据的实验中，每次实验都需要生成数据。设置随机种子是为了确保每次生成固定的随机数，这就使得每次实验结果显示一致了，有利于实验的比较和改进。

解析

1. 为CPU中设置种子，生成随机数

torch.mamual_seed(seed)

2. 为特定GPU设置种子，生成随机数

torch.cuda.manual_seed(seed)

3. 为所有GPU设置种子，生成随机数

torch.cuda.manual_seed_all(seed)

4.在Numpy内部也有随机种子，当你使用numpy中的随机数的时候，可以通过如下方式固定：

np.random.seed(seed)（另外还有python的内置模块random.seed(seed)）