南强小屋 Design By 杰米
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
"external nofollow" target="_blank" href="https://pytorch.org/docs/stable/cuda.html#torch.cuda.manual_seed_all">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。
标签：
pytorch,随机数,相同
南强小屋 Design By 杰米
广告合作：本站广告合作请联系QQ：858582 申请时备注：广告合作（否则不回）
免责声明：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！ 如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com
免责声明：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！ 如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com
南强小屋 Design By 杰米
暂无pytorch实现保证每次运行使用的随机数都相同的评论...