pytorch实现保证每次运行使用的随机数都相同
更新时间：2020年02月20日 11:17:33 作者：慢行厚积
今天小编就为大家分享一篇pytorch实现保证每次运行使用的随机数都相同，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
其实在代码的开头添加下面几句话即可：
# 保证训练时获取的随机数都是一样的 init_seed = 1 torch.manual_seed(init_seed) torch.cuda.manual_seed(init_seed) np.random.seed(init_seed) # 用于numpy的随机数
torch.manual_seed(seed)
为了生成随机数设置种子。返回一个torch.Generator对象
参数：
seed (int) – 期望的种子数
torch.cuda.manual_seed(seed)
为当前GPU生成随机数设置种子。如果CUDA不可用，调用该方法也是安全的；在这种情况下，该调用就会被忽略
参数：
seed (int) – 期望的种子数
⚠️如果你使用的是多GPU模型，就要调用manual_seed_all(seed).
以上这篇pytorch实现保证每次运行使用的随机数都相同就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
今天小编就为大家分享一篇python读取txt文件并取其某一列数据的示例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-02-02
这篇文章主要介绍了使用Python实现跳一跳自动跳跃功能，本文图文并茂通过实例代码给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下2019-07-07
Python元组 tuple的概念与基本操作详解【定义、创建、访问、计数、推导式等】
这篇文章主要介绍了Python元组 tuple的概念与基本操作,结合实例形式详细分析了Python元组的定义、创建、访问、计数、推导式等常见操作技巧与操作注意事项,需要的朋友可以参考下2019-10-10
这篇文章主要介绍了Python下载网络文本数据到本地内存的四种实现方法,涉及Python网络传输、文本读写、内存I/O、矩阵运算等相关操作技巧,代码中包含了较为详尽的注释说明便于理解,需要的朋友可以参考下2018-02-02
本人日常使用vscode进行开发,并且比较喜欢折腾vscode,会到处找这一些好玩的插件,于是越攒越多,下面这篇文章主要给大家介绍了关于VsCode中超好用的8个python扩展插件的相关资料,需要的朋友可以参考下2022-12-12
这篇文章主要给大家介绍了关于python中extend功能的相关资料,Python中的extend()方法是一种非常有用的列表操作,它可以将一个列表中的元素添加到另一个列表的末尾,需要的朋友可以参考下2023-08-08
因为经常取指定索引范围的操作，用循环十分繁琐，因此，Python提供了切片（Slice）操作符，能大大简化这种操作。而下面这篇文章则通过源码给大家分析介绍了Python中切片赋值的相关资料，需要的朋友可以参考学习，下面来一起看看吧。2017-05-05
这篇文章主要介绍了Python计算已经过去多少个周末的方法,涉及Python针对日期的相关数学运算技巧,具有一定参考借鉴价值,需要的朋友可以参考下2015-07-07
这篇文章主要介绍了Python常见数字运算操作,结合实例形式总结分析了Python数字常见的四则运算、整除、取余、开平方等相关操作技巧与注意事项,需要的朋友可以参考下2019-03-03
这篇文章主要介绍了解决pytorch-gpu 安装失败的记录，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2021-05-05
最新评论