PyTorch 设置随机种子以解决重复性问题
发布时间
阅读量：
阅读量
在模型训练阶段，由于涉及大量随机性操作，导致相同代码在多次执行后可能产生差异化的输出结果。为确保实验结果具备可复现性，有必要对随机数生成器配置固定的种子值。
def seed_everything(seed=1029):
'''
设置整个开发环境的seed
:param seed:
:param device:
:return:
'''
random.seed(seed)
os.environ['PYTHONHASHSEED'] = str(seed)
np.random.seed(seed)
torch.manual_seed(seed)
torch.cuda.manual_seed(seed)
torch.cuda.manual_seed_all(seed)
# some cudnn methods can be random even after fixing the seed unless you tell it to be deterministic
torch.backends.cudnn.deterministic = True
torch.backends.cudnn.benchmark = False
全部评论 (0)
还没有任何评论哟~