PyTorch中torch.manual_seed()如何使用

這篇文章主要介紹“PyTorch中torch.manual_seed()如何使用”的相關知識，小編通過實際案例向大家展示操作過程，操作方法簡單快捷，實用性強，希望這篇“PyTorch中torch.manual_seed()如何使用”文章能幫助大家解決問題。

一、torch.manual_seed(seed) 介紹

torch.manual_seed(seed) 功能描述

設置 CPU 生成隨機數的 種子 ，方便下次復現實驗結果。

為 CPU 設置 種子 用于生成隨機數，以使得結果是確定的。

當你設置一個隨機種子時，接下來的隨機算法生成數根據當前的隨機種子按照一定規律生成。
隨機種子作用域是在設置時到下一次設置時。要想重復實驗結果，設置同樣隨機種子即可。

語法

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

參數

seed，int類型，是種子 – 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。

二、類似函數的功能

為CPU中設置種子，生成隨機數：

torch.manual_seed(number)

為特定GPU設置種子，生成隨機數：

torch.cuda.manual_seed(number)

為所有GPU設置種子，生成隨機數：

# 如果使用多個GPU，應該使用torch.cuda.manual_seed_all()為所有的GPU設置種子。
torch.cuda.manual_seed_all(number)

使用原因 ：

在需要生成隨機數據的實驗中，每次實驗都需要生成數據。設置隨機種子是為了確保每次生成固定的隨機數，這就使得每次實驗結果顯示一致了，有利于實驗的比較和改進。使得每次運行該 .py 文件時生成的隨機數相同。

三、實例

實例 1 ：不設隨機種子，生成隨機數

# test.py
import torch
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的輸出結果都不相同：

tensor([0.4351])

tensor([0.3651])

tensor([0.7465])

實例 2 ：設置隨機種子，使得每次運行代碼生成的隨機數都一樣

# test.py
import torch
# 設置隨機種子
torch.manual_seed(0)
# 生成隨機數
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])

實例 3 ：不同的隨機種子生成不同的值

改變隨機種子的值，設為 1 ：

# test.py
import torch
torch.manual_seed(1)
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，輸出結果都是：

tensor([0.7576])

改變隨機種子的值，設為 5 ：

# test.py
import torch
torch.manual_seed(5)
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，輸出結果都是：

tensor([0.8303])

可見不同的隨機種子能夠生成不同的隨機數。

但只要隨機種子一樣，每次運行代碼都會生成該種子下的隨機數。

實例 4 ：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.py
import torch
torch.manual_seed(0)
print(torch.rand(1))
print(torch.rand(1))

輸出結果：

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])

實例 5 ：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.py
import torch
torch.manual_seed(0)
print(torch.rand(1))
torch.manual_seed(0)
print(torch.rand(1))

輸出結果：

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

關于“PyTorch中torch.manual_seed()如何使用”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識，可以關注億速云行業資訊頻道，小編每天都會為大家更新不同的知識點。