Pytorch笔记01:随机数种子的设置 VS zero_grad()

Pytorch 笔记01

Pytorch中随机数种子的设置

​ 为了模型结果可复现,常常需要为程序设置随机数种子(seed),在使用Pytorch进行模型训练时,有以下几个部分可以设置随机种子。

1、cudnn
from torch.backends import cudnn
cudnn.benchmark = False 
cudnn.deterministic = True
2、Pytorch
import torch
seed = 121
torch.manual_seed(seed)   #设置随机数种子
torch.cuda.manual_seed(seed)  #设置当前GPU随机数种子
torch.cuda.manual_seed_all(seed)  #为所有GPU设置随机数种子
3、Python & Numpy
import random
import numpy as np
seed = 121
random.seed(seed)  #为random模块设置seed
np.random.seed(seed)  #为np.random模块设置seed
4、 通用seed设置
import random
import numpy as np
import torch
from torch.backends import cudnn

def set_seed(seed):
	cudnn.benchmark = False 
	cudnn.deterministic = True
	torch.manual_seed(seed)   
	torch.cuda.manual_seed_all(seed)
	random.seed(seed)  
	np.random.seed(seed)

Pytorch中的zero_grad()

​ Pytorch中有optimizer.zero_grad()与model.zero_grad(),实际上,当优化器是如下定义时:

optimizer=optim.Optimizer(net.parameters())

两者的效果是一致的,原因在于Pytorch中zero_grad函数的定义:

def zero_grad(self):
    """Sets gradients of all model parameters to zero."""
    for p in self.parameters():
        if p.grad is not None:
            p.grad.data.zero_()
Reference

简书:PyTorch设置随机数种子使结果可复现

CSDN: optimizer.zero_grad()和net.zero_grad()区别

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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