可重复性与随机性的控制（随机种子Seed）

torch.manual_seed(seed) 是 PyTorch 中用于设置随机数种子的函数，其核心作用是让随机过程可复现（即固定随机数生成的初始状态，使得每次运行代码时生成的随机数序列完全相同）

为什么需要随机数种子？

深度学习中很多操作依赖随机数（如模型初始化、 dropout、数据打乱、随机采样等）。如果不固定种子，每次运行代码时这些随机操作的结果会不同，导致实验结果无法稳定复现（例如两次训练的模型精度可能差异较大）。

torch.manual_seed 的作用

为 PyTorch 的CPU 随机数生成器设置一个固定的种子（seed 是一个整数）。设置后，所有依赖 CPU 的随机操作（如 torch.rand()、torch.randn()、模型参数初始化等）都会从这个种子开始生成随机数，确保每次运行的随机序列一致。
举个栗子：

# 设置种子
torch.manual_seed(42)
print(torch.rand(2))  # 第一次运行：输出固定的随机数，如 tensor([0.8823, 0.9150])

# 重新设置相同种子，再次生成
torch.manual_seed(42)
print(torch.rand(2))  # 第二次运行：输出与第一次完全相同的结果)

如果代码使用 GPU，还需要额外设置 GPU 的随机数种子（因为 GPU 有独立的随机数生成器）：

torch.cuda.manual_seed(42)  # 为当前 GPU 设置种子
torch.cuda.manual_seed_all(42)  # 为所有可见 GPU 设置种子（多 GPU 场景）