torch.manual_seed()

torch.manual_seed()用于设置随机数生成器的种子值。
作用：确保在 PyTorch 中生成的随机数具有可重复性。

1. 随机数生成器的种子（Seed）：
   • 随机数生成器（RNG）通常依赖于一个初始值，称为种子（seed）。如果种子固定，随机数生成器将生成相同的随机数序列。
   • 如果不设置种子，随机数生成器会根据系统时间或其他随机因素生成不同的随机数序列。
2. torch.manual_seed(10) 的作用：
   • 当你调用 torch.manual_seed(10) 时，PyTorch 的全局随机数生成器的种子被设置为 10。
   • 这意味着每次运行代码时，只要种子值相同（这里是 10），生成的随机数序列就会完全一致。
   • 这对于调试、实验重复性以及确保代码结果的可复现性非常重要。

例子：

import torch

torch.manual_seed(10)
tensor1 = torch.rand(3, 3)  # 生成一个 3x3 的随机张量
print("Tensor 1:")
print(tensor1)

torch.manual_seed(10)
tensor2 = torch.rand(3, 3)  # 再次生成一个 3x3 的随机张量
print("\nTensor 2:")
print(tensor2)

输出：

Tensor 1:
tensor([[0.5521, 0.1146, 0.3182],
        [0.8734, 0.6699, 0.4058],
        [0.8633, 0.6176, 0.1184]])

Tensor 2:
tensor([[0.5521, 0.1146, 0.3182],
        [0.8734, 0.6699, 0.4058],
        [0.8633, 0.6176, 0.1184]])

可以看到，tensor1 和 tensor2 是完全相同的，因为随机数生成器的种子被设置为相同的值 10。

注意事项：

• torch.manual_seed 只影响全局随机数生成器。如果同时使用了其他随机数生成器（例如 NumPy 的 np.random.seed），需要分别设置它们的种子。
• 如果使用的是 GPU（CUDA），还需要设置 CUDA 的随机数种子，例如 torch.cuda.manual_seed(10) 或 torch.cuda.manual_seed_all(10)（多 GPU 环境）。