------------如何在torch生成随机数时,设置随机种子,要求每次调用生成的随机数都一样
在 PyTorch 中,可以使用 torch.manual_seed(seed)
函数设置随机种子,以确保每次运行代码时生成的随机数都一样。
以下是一个示例代码,展示了如何使用 torch.manual_seed()
函数设置随机种子:
import torch # 设置随机种子为固定值,这里设为0 torch.manual_seed(0) # 生成一个随机的张量 x = torch.randn(3, 3) # 打印生成的随机张量 print(x)
在此示例中,我们使用 torch.randn()
函数生成一个 3x3 的随机张量,同时使用 torch.manual_seed()
函数将随机种子设置为 0。由于随机种子已经固定,因此每次运行代码时生成的随机张量都是一样的。
需要注意的是,在设置了随机种子之后,如果代码中还有其他随机操作,比如使用 torch.rand()
函数生成随机张量,则这些随机操作的结果也会受到随机种子的影响。因此,如果需要在代码中使用多个随机操作,并且需要确保它们的结果每次都一样,就需要在每个随机操作之前都调用 torch.manual_seed()
函数设置相同的随机种子。
-----------------如何再取消随机种子?
要取消 PyTorch 中的随机种子,可以使用 torch.seed()
函数,它可以将随机种子设置为当前时间戳,从而实现取消之前设置的随机种子。
以下是一个示例代码,展示了如何使用 torch.seed()
函数取消之前设置的随机种子:
import torch # 设置随机种子为固定值,这里设为0 torch.manual_seed(0) # 生成一个随机的张量 x = torch.randn(3, 3) # 打印生成的随机张量 print(x) # 取消随机种子 torch.seed() # 再次生成一个随机的张量 y = torch.randn(3, 3) # 打印生成的随机张量 print(y)
在此示例中,我们先使用 torch.manual_seed()
函数将随机种子设置为 0,然后生成一个随机张量并打印它。接着使用 torch.seed()
函数取消之前设置的随机种子,并生成另一个随机张量并打印它。由于我们已经取消了随机种子,因此两次生成的随机张量应该是不同的。
需要注意的是,如果你在代码中多次设置了随机种子,而每次设置的随机种子不同,那么每次调用 torch.seed()
函数取消随机种子时,你可能会得到不同的结果。因此,如果需要取消之前设置的随机种子,应该确保在取消之前只设置了一次随机种子。
---------------上面的随机数种子设置后,结果不一样
import torch torch.manual_seed(0) x = torch.randn(3, 3) y = torch.randn(3, 3) print(x,y)
根据你提供的代码,由于使用了两次 torch.randn(3, 3)
函数生成两个不同的随机张量 x
和 y
,因此它们的值是不同的,即使使用了相同的随机种子。因此,在此代码中,随机种子的设置不会影响随机张量 x
和 y
的结果。
如果需要使用相同的随机种子生成相同的随机张量,需要将 torch.randn()
函数的调用合并在一起,如下所示:
import torch # 设置随机种子为固定值,这里设为0 torch.manual_seed(0) # 生成两个随机的张量 x = torch.randn(3, 3) y = torch.randn(3, 3) # 打印生成的随机张量 print(x) print(y) # 再次使用相同的随机种子生成两个随机的张量 torch.manual_seed(0) x = torch.randn(3, 3) y = torch.randn(3, 3) # 打印生成的随机张量 print(x) print(y)
输出
tensor([[ 1.5410, -0.2934, -2.1788], [ 0.5684, -1.0845, -1.3986], [ 0.4033, 0.8380, -0.7193]]) tensor([[-0.4033, -0.5966, 0.1820], [-0.8567, 1.1006, -1.0712], [ 0.1227, -0.5663, 0.3731]]) tensor([[ 1.5410, -0.2934, -2.1788], [ 0.5684, -1.0845, -1.3986], [ 0.4033, 0.8380, -0.7193]]) tensor([[-0.4033, -0.5966, 0.1820], [-0.8567, 1.1006, -1.0712], [ 0.1227, -0.5663, 0.3731]])
在此示例中,我们先使用 torch.manual_seed()
函数将随机种子设置为 0,然后使用 torch.randn()
函数生成两个随机张量 x
和 y
,并打印它们。接着再次使用相同的随机种子生成两个随机张量,并打印它们。由于两次使用了相同的随机种子,因此两次生成的随机张量应该是一样的。
-------------或者
import torch # 设置随机种子为固定值,这里设为0 torch.manual_seed(0) # 生成两个随机的张量 x = torch.randn(3, 3) # 打印生成的随机张量 print(x) # 再次使用相同的随机种子生成两个随机的张量 torch.manual_seed(0) y = torch.randn(3, 3) # 打印生成的随机张量 print(y)
输出
tensor([[ 1.5410, -0.2934, -2.1788], [ 0.5684, -1.0845, -1.3986], [ 0.4033, 0.8380, -0.7193]]) tensor([[ 1.5410, -0.2934, -2.1788], [ 0.5684, -1.0845, -1.3986], [ 0.4033, 0.8380, -0.7193]])