PyTorch/Tensorflow设置随机种子 ,保证结果复现

最新推荐文章于 2025-04-11 23:00:38 发布

致Great

最新推荐文章于 2025-04-11 23:00:38 发布

阅读量3.1k

点赞数 5

分类专栏： NLP 机器学习文章标签： tensorflow pytorch 深度学习

本文链接：https://blog.csdn.net/yanqianglifei/article/details/122072342

版权

NLP 同时被 2 个专栏收录

78 篇文章

订阅专栏

机器学习

12 篇文章

订阅专栏

本文介绍如何在PyTorch与TensorFlow中设置随机种子以确保实验结果的可重复性。对于PyTorch, 通过设置random、numpy、torch等库的随机种子实现。对于TensorFlow, 除了设置基本随机种子外还需调用确定性功能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Pytorch随机种子设置

import numpy as np
import random
import os
import torch
def seed_torch(seed=2021):
    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) # if you are using multi-GPU.
    torch.backends.cudnn.benchmark = False
    torch.backends.cudnn.deterministic = True
    torch.backends.cudnn.enabled = False
seed_torch()

Tensorflow设置随机种子

第一步仅导入设置种子和初始化种子值所需的那些库

import tensorflow as tf
import os
import numpy as np
import random

SEED = 0

第二步为所有可能具有随机行为的库初始化种子的函数

def set_seeds(seed=SEED):
    os.environ['PYTHONHASHSEED'] = str(seed)
    random.seed(seed)
    tf.random.set_seed(seed)
    np.random.seed(seed)

第三步激活 Tensorflow 确定性功能

def set_global_determinism(seed=SEED):
    set_seeds(seed=seed)

    os.environ['TF_DETERMINISTIC_OPS'] = '1'
    os.environ['TF_CUDNN_DETERMINISTIC'] = '1'
    
    tf.config.threading.set_inter_op_parallelism_threads(1)
    tf.config.threading.set_intra_op_parallelism_threads(1)

# Call the above function with seed value
set_global_determinism(seed=SEED)