【随机数种子】torch.manual_seed()用法

 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。