seed_everything

Seed_Everything

尽最大程度提高结果的可复现性

def seed_everything(seed):
    random.seed(seed)
    os.environ['PYTHONHASHSEED'] = str(seed)
    np.random.seed(seed)
    torch.manual_seed(seed)
    torch.cuda.manual_seed(seed)
    torch.cuda.manual_seed_all(seed)
    torch.backends.cudnn.deterministic = True
    torch.backends.cudnn.benchmark = False

---

---

各部分作用：

def seed_everything(seed):
    # 1. 设置Python内置的random模块的全局随机种子
    random.seed(seed)
    
    # 2. 设置Python的哈希种子，使得哈希函数的行为是可预测的。这在某些使用字典和集合的操作中可能会影响顺序，从而影响结果。
    os.environ['PYTHONHASHSEED'] = str(seed)
    
    # 3. 设置Numpy库的全局随机种子
    np.random.seed(seed)
    
    # 4. 设置PyTorch库的CPU部分的随机种子
    torch.manual_seed(seed)
    
    # 5. 设置PyTorch库的GPU部分的随机种子。如果使用多块GPU进行并行计算，确保所有GPU的随机数生成器都使用相同的种子。
    torch.cuda.manual_seed(seed)
    torch.cuda.manual_seed_all(seed)
    
    # 6. 确保使用确定性算法。这对结果的可复现性非常重要，但可能会影响计算性能。
    torch.backends.cudnn.deterministic = True
    
    # 7. 关闭CuDNN的自动优化功能。这可以保证每次运行的计算图和内存分配都是一致的，从而提高结果的可复现性。
    torch.backends.cudnn.benchmark = False