您好,登录后才能下订单哦!
这篇文章主要介绍“PyTorch中torch.manual_seed()如何使用”的相关知识,小编通过实际案例向大家展示操作过程,操作方法简单快捷,实用性强,希望这篇“PyTorch中torch.manual_seed()如何使用”文章能帮助大家解决问题。
设置 CPU 生成随机数的 种子 ,方便下次复现实验结果。
为 CPU 设置 种子 用于生成随机数,以使得结果是确定的。
当你设置一个随机种子时,接下来的随机算法生成数根据当前的随机种子按照一定规律生成。
随机种子作用域是在设置时到下一次设置时。要想重复实验结果,设置同样随机种子即可。
torch.manual_seed(seed) → torch._C.Generator
seed,int类型,是种子 – CPU生成随机数的种子。取值范围为 [-0x8000000000000000, 0xffffffffffffffff] ,十进制是 [-9223372036854775808, 18446744073709551615] ,超出该范围将触发 RuntimeError 报错。
返回一个torch.Generator对象。
为CPU中设置种子,生成随机数:
torch.manual_seed(number)
为特定GPU设置种子,生成随机数:
torch.cuda.manual_seed(number)
为所有GPU设置种子,生成随机数:
# 如果使用多个GPU,应该使用torch.cuda.manual_seed_all()为所有的GPU设置种子。 torch.cuda.manual_seed_all(number)
使用原因 :
在需要生成随机数据的实验中,每次实验都需要生成数据。设置随机种子是为了确保每次生成固定的随机数,这就使得每次实验结果显示一致了,有利于实验的比较和改进。使得每次运行该 .py 文件时生成的随机数相同。
# test.py import torch print(torch.rand(1)) # 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
每次运行test.py的输出结果都不相同:
tensor([0.4351])
tensor([0.3651])
tensor([0.7465])
# test.py import torch # 设置随机种子 torch.manual_seed(0) # 生成随机数 print(torch.rand(1)) # 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
每次运行 test.py 的输出结果都是一样:
tensor([0.4963])
改变随机种子的值,设为 1 :
# test.py import torch torch.manual_seed(1) print(torch.rand(1)) # 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
每次运行 test.py,输出结果都是:
tensor([0.7576])
改变随机种子的值,设为 5 :
# test.py import torch torch.manual_seed(5) print(torch.rand(1)) # 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
每次运行 test.py,输出结果都是:
tensor([0.8303])
可见不同的随机种子能够生成不同的随机数。
但只要随机种子一样,每次运行代码都会生成该种子下的随机数。
实例 4 :设置随机种子后,是每次运行test.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 # test.py import torch torch.manual_seed(0) print(torch.rand(1)) print(torch.rand(1))
输出结果:
tensor([0.4963])
tensor([0.7682])
可以看到两次打印 torch.rand(1) 函数生成的结果是不一样的,但如果你再运行test.py,还是会打印:
tensor([0.4963])
tensor([0.7682])
实例 5 :如果你就是想要每次运行随机函数生成的结果都一样,那你可以在每个随机函数前都设置一模一样的随机种子
# test.py import torch torch.manual_seed(0) print(torch.rand(1)) torch.manual_seed(0) print(torch.rand(1))
输出结果:
tensor([0.4963])
tensor([0.4963])
关于“PyTorch中torch.manual_seed()如何使用”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识,可以关注亿速云行业资讯频道,小编每天都会为大家更新不同的知识点。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。