随机数种子

以下资料待梳理。

随机数种子

torch.manual_seed()：为CPU设置随机数种子

torch.cuda.manual_seed()：为GPU设置随机数种子

torch.cuda.manual_seed_all()：为所有的GPU设置随机数种子

random.seed()：为random模块的随机数种子

说明

1. torch.manual_seed() 一般和 torch.rand()、torch.randn() 等函数搭配使用。
2. 通过指定seed值，可以令每次生成的随机数相同，从而方便复现实验结果。
3. 设置随机种子后，是每次运行 py 文件的输出结果都一样，而不是每次随机函数生成的结果一样。

import torch
torch.manual_seed(0)
print(torch.rand(1, 2))	# 返回一个张量，包含了从区间[0, 1)的均匀分布中抽取的一组随机数
print(torch.randn(1, 2)) # 返回一个张量，包含了均值0，方差1的正态分布中抽取的一组随机数
# torch.manual_seed(0)
print(torch.rand(1, 2))
print(torch.randn(1, 2))


'''
tensor([[0.4963, 0.7682]])
tensor([[-0.2905, -1.0704]])
tensor([[0.4901, 0.8964]])
tensor([[-1.0845, -1.3986]])
'''


import torch
torch.manual_seed(0)
print(torch.rand(1, 2))	# 返回一个张量，包含了从区间[0, 1)的均匀分布中抽取的一组随机数
print(torch.randn(1, 2)) # 返回一个张量，包含了均值0，方差1的正态分布中抽取的一组随机数
torch.manual_seed(0)
print(torch.rand(1, 2))
print(torch.randn(1, 2))


'''
tensor([[0.4963, 0.7682]])
tensor([[-0.2905, -1.0704]])
tensor([[0.4963, 0.7682]])
tensor([[-0.2905, -1.0704]])
'''

.detach() .data

Pytorch中.detach()与.data的用法