python怎么设置随机数种子_python实验随机种子的设置

87 阅读 0 评论 58 点赞

我是靠谱客的博主炙热钢铁侠，这篇文章主要介绍python怎么设置随机数种子_python实验随机种子的设置，现在分享给大家，希望可以做个参考。

问题：

深度学习中，训练模型时实验参数设置但结果不同(部分论文最优结果无法复现)

实验参数包括：数据集，train/test划分，权重初始化等

可能的原因：Dropout的存在

python、numpy、torch随机种子没有固定

数据预处理，数据增强中采用了概率。若没有设置固定的随机种子，结果可能不同。例如常用数据增强库albumentations就采用了Python的随机产生器。

数据集顺序被打乱

随机种子设定方式：pythonimport random

random.seed(1) # 生成同一个随机数；

# 如果不设置则python会根据系统时间随机生成一个，之后生成的随机数不同

2. numpyimport numpy as np

np.random.seed(1) # 生成同一个随机数；

# 如果不设置则python会根据系统时间随机生成一个，之后生成的随机数不同

3. torchtorch.manual_seed(seed)

torch.cuda.manual_seed(seed)

torch.cuda.manual_seed_all(seed)

# 使用PyTorch时，如果希望通过设置随机数种子，在gpu或cpu上固定每一次的训练结果，则需要在程序执行的开始处添加以下代码：

def setup_seed(seed):

torch.manual_seed(seed)

torch.cuda.manual_seed_all(seed)

np.random.seed(seed)

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。