pytorch中torch.manual_seed()方法如何使用

pytorch中torch.manual_seed()方法如何使用,很多新手对此不是很清楚,为了帮助大家解决这个难题,下面小编将为大家详细讲解,有这方面需求的人可以来学习下,希望你能有所收获。

十多年建站经验, 成都网站制作、成都网站建设、外贸营销网站建设客户的见证与正确选择。创新互联提供完善的营销型网页建站明细报价表。后期开发更加便捷高效,我们致力于追求更美、更快、更规范。

描述

设置CPU生成随机数的种子,方便下次复现实验结果。

语法

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

参数

seed (int)– CPU生成随机数的种子。取值范围为[-0x8000000000000000, 0xffffffffffffffff],十进制是[-9223372036854775808, 18446744073709551615],超出该范围将触发RuntimeError报错。

返回

返回一个torch.Generator对象。

示例

设置随机种子

# test.pyimport torch
torch.manual_seed(0)print(torch.rand(1)) # 返回一个张量,包含了从区间[0, 1)的均匀分布中抽取的一组随机数

每次运行test.py的输出结果都是一样:

tensor([0.4963])

没有随机种子

# test.pyimport torchprint(torch.rand(1)) # 返回一个张量,包含了从区间[0, 1)的均匀分布中抽取的一组随机数

每次运行test.py的输出结果都不相同:

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

注意

设置随机种子后,是每次运行test.py文件的输出结果都一样,而不是每次随机函数生成的结果一样:

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

输出:

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

可以看到两次打印torch.rand(1)函数生成的结果是不一样的,但如果你再运行test.py,还是会打印:

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

但是,如果你就是想要每次运行随机函数生成的结果都一样,那你可以在每个随机函数前都设置一模一样的随机种子:

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

输出:

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

看完上述内容是否对您有帮助呢?如果还想对相关知识有进一步的了解或阅读更多相关文章,请关注创新互联行业资讯频道,感谢您对创新互联的支持。


分享名称:pytorch中torch.manual_seed()方法如何使用
网站URL:http://pwwzsj.com/article/ihgcgd.html