pytorch中torch.manual_seed()方法如何使用

pytorch中torch.manual_seed()方法如何使用，很多新手對此不是很清楚，為了幫助大家解決這個難題，下面小編將為大家詳細講解，有這方面需求的人可以來學習下，希望你能有所收獲。

描述

設置CPU生成隨機數的種子，方便下次復現實驗結果。

語法

torch.manual_seed(seed) → torch._C.Generator

參數

seed (int) – CPU生成隨機數的種子。取值范圍為[-0x8000000000000000, 0xffffffffffffffff]，十進制是[-9223372036854775808, 18446744073709551615]，超出該范圍將觸發RuntimeError報錯。

返回

返回一個torch.Generator對象。

示例

設置隨機種子

# test.pyimport torch
torch.manual_seed(0)print(torch.rand(1)) # 返回一個張量，包含了從區間[0, 1)的均勻分布中抽取的一組隨機數

每次運行test.py的輸出結果都是一樣：

tensor([0.4963])

沒有隨機種子

# test.pyimport torchprint(torch.rand(1)) # 返回一個張量，包含了從區間[0, 1)的均勻分布中抽取的一組隨機數

每次運行test.py的輸出結果都不相同：

tensor([0.2079])----------------------------------tensor([0.6536])----------------------------------tensor([0.2735])

注意

設置隨機種子后，是每次運行test.py文件的輸出結果都一樣，而不是每次隨機函數生成的結果一樣：

# test.pyimport torch
torch.manual_seed(0)print(torch.rand(1))print(torch.rand(1))

輸出：

tensor([0.4963])tensor([0.7682])

可以看到兩次打印torch.rand(1)函數生成的結果是不一樣的，但如果你再運行test.py，還是會打印：

tensor([0.4963])tensor([0.7682])

但是，如果你就是想要每次運行隨機函數生成的結果都一樣，那你可以在每個隨機函數前都設置一模一樣的隨機種子：

# test.pyimport torch
torch.manual_seed(0)print(torch.rand(1))torch.manual_seed(0)print(torch.rand(1))

輸出：

tensor([0.4963])tensor([0.4963])

看完上述內容是否對您有幫助呢？如果還想對相關知識有進一步的了解或閱讀更多相關文章，請關注億速云行業資訊頻道，感謝您對億速云的支持。