【pytorch】torch.manual_seed()用法详解
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.py
import 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.py
import torch
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.py
import 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.py
import 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])
引用
https://pytorch.org/docs/stable/generated/torch.manual_seed.html
