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

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

RTX 5090要首发 性能要翻倍!三星展示GDDR7显存

三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。

首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。

据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。