python---pytorch-torch.manual_seed(1)的作用

本文介绍了在PyTorch中如何通过设置随机数种子来确保实验结果的可复现性。在神经网络训练过程中,参数初始化的随机性可能导致结果不一致,使用torch.manual_seed()函数可以固定随机数生成器的种子,使得每次运行相同代码都能得到一致的结果。

在神经网络中,参数默认是进行随机初始化的。不同的初始化参数往往会导致不同的结果,当得到比较好的结果时我们通常希望这个结果是可以复现的,在pytorch中,通过设置随机数种子也可以达到这么目的。

import torch
torch.manual_seed(2)
print(torch.rand(2))

有这段代码可以知道,每次得到的数是随机的,如果不加上
运行这段代码会发现,每次得到的随机数是固定的。但是如果不加上torch.manual_seed,打印出来的数就不同。

所以只需要调用torch.manual_seed(seed),它将随机数生成器的种子设置为固定值,这样,当调用时torch.rand(2),结果将可重现。

import torch

torch.manual_seed(2)
print(torch.rand(2))

输出

 0.4360
 0.1851

如果不使用torch.manual_seed,则会随机变化。

参考:https://cloud.tencent.com/developer/article/1149041

代码 `def my_seeding(seed): random.seed(seed); np.random.seed(seed); torch.manual_seed(seed); if torch.cuda.is_available(): torch.cuda.manual_seed_all(seed)` 的作用是设置随机数种子,以确保代码中涉及的随机操作具有可重复性。具体解释如下: - `random.seed(seed)`:设置 Python 标准库 `random` 的随机数种子为输入的 `seed` 值。`random` 库提供了各种生成随机数的函数,设置种子后,每次运行相同的随机操作代码时,将得到相同的随机数序列。 - `np.random.seed(seed)`:设置 NumPy 的随机数种子为输入的 `seed` 值。NumPy 是 Python 中用于科学计算的重要库,许多函数会使用随机数,如 `np.random.rand()` 等。设置种子后,NumPy 生成的随机数也将具有可重复性。 - `torch.manual_seed(seed)`:设置 PyTorch 的随机数种子为输入的 `seed` 值。PyTorch 是一个深度学习框架,在模型训练、数据加载等过程中会使用随机数。设置种子后,PyTorch 中的随机操作(如初始化模型参数等)将得到相同的结果。 - `if torch.cuda.is_available(): torch.cuda.manual_seed_all(seed)`:检查当前环境是否支持 CUDA(NVIDIA GPU 加速计算平台)。如果支持,则设置 PyTorch 在所有的 CUDA 设备上的随机数种子为输入的 `seed` 值。这确保了在使用 GPU 进行计算时,涉及的随机操作也具有可重复性。 通过设置这些随机数种子,可以保证在相同的代码和输入下,多次运行程序时得到相同的结果,方便调试和复现实验结果。 ```python import random import numpy as np import torch def my_seeding(seed): random.seed(seed) np.random.seed(seed) torch.manual_seed(seed) if torch.cuda.is_available(): torch.cuda.manual_seed_all(seed) # 使用示例 seed_value = 42 my_seeding(seed_value) ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值