torch.nn.Embedding()的固定化

问题

最近在运行模型时，结果不稳定，所以尝试修改随机初始化的参数，使参数是随机初始化的，但是每次都一样

发现是用了

self.embed_user = nn.Embedding(user_num, factor_num)    
self.embed_item = nn.Embedding(item_num, factor_num)

是调用了torch.nn.Embedding()进行了初始化， 创建了一个嵌入的模型

尝试一

发现对于embed_user的调用都是weight

users_embedding = self.embed_user.weight
items_embedding = self.embed_item.weight

通过把weight输出，可以看到实际上weight就是FloatTensor。
所以尝试直接用Tensor，再固定随机的Tensor，但是后面模型会报错，并且很难解决。

尝试二

最后在Pytorch官网的讨论里，发现了这么一种写法

torch.manual_seed(1000)
self.embed_user = nn.Embedding(user_num,factor_num)(torch.autograd.Variable(torch.LongTensor([0,1,2])))
self.embed_item = nn.Embedding(item_num,factor_num)(torch.autograd.Variable(torch.LongTensor([0,1,2])))

但是从后面调用报的错误来看，不认为embed_user.weight是一个Tensor

尝试三✅

偶然尝试，将torch.autograd.Variable()单独拿出来写，竟然可以运行成功（至于为什么，还不清楚😥）

torch.manual_seed(1000)
self.embed_user = nn.Embedding(user_num, factor_num)    
self.embed_item = nn.Embedding(item_num, factor_num)
self.embed_user(torch.autograd.Variable(torch.LongTensor([0,1,2])))
self.embed_item(torch.autograd.Variable(torch.LongTensor([0,1,2])))

我们可以通过输出看一下效果

print(self.embed_user.weight)
print(self.embed_item.weight)

第一次运行：

第二次运行：

通过对比可以发现，两次生成的Tensor是完全一致的，并且是随机的