torch.manual_seed()一般和torch.rand()、torch.randn()等函数搭配使用。通过指定seed值,可以令每次生成的随机数相同。直接上代码理解:
- 如果不指定seed值,则每次生成的随机数会因时间的差异而有所不同
输入:
import torch
print(torch.randn(1, 2))
print(torch.randn(1, 2))
输出:
tensor([[ 0.1604, -0.6065]])
tensor([[-0.7831, 1.0622]])
- 通过指定seed值,可以保证每次执行 torch.manual_seed()后生成的随机数都相同。需注意,不是执行一次 torch.manual_seed()语句后,所有随机函数的生成结果就都相同了;而是每次执行设有相同seed值的torch.manual_seed()语句后,各随机函数生成的结果都能和上一次执行torch.manual_seed()语句后生成的结果相同。
输入:
import torch
torch.manual_seed(0)
print(torch.randn(1, 2))
print(torch.randn(1, 2))
torch.manual_seed(0)
print(torch.randn(1, 2))
print(torch.randn(1, 2))
输出:
tensor([[ 1.5410, -0.2934]])
tensor([[-2.1788, 0.5684]])
tensor([[ 1.5410, -0.2934]])
tensor([[-2.1788, 0.5684]])
- 需注意,必须使用相同的生成随机数函数才能保证每次执行 torch.manual_seed()语句后生成相同随机数,否则无效。
输入:
import torch
torch.manual_seed(0)
print(torch.rand(1, 2))
torch.manual_seed(0)
print(torch.randn(1, 2))
输出:
tensor([[0.4963, 0.7682]])
tensor([[ 1.5410, -0.2934]])
- random.seed()是用于控制random模块的随机数种子的,与random.random()搭配使用
输入:
import random
random.seed(1)
print(random.random())
random.seed(1)
print(random.random())
输出:
0.13436424411240122
0.13436424411240122
最后,总结一下,torch.manual_seed()为CPU设置随机数种子,torch.cuda.manual_seed()为GPU设置随机数种子,torch.cuda.manual_seed_all()为所有的GPU设置随机数种子,random.seed()为random模块的随机数种子。