使用pytorch怎么保证每次运行的随机数相同

使用pytorch怎么保证每次运行的随机数相同？针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。

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).

关于使用pytorch怎么保证每次运行的随机数相同问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注行业资讯频道了解更多相关知识。