pytorch中torch.manual_seed()方法如何使用，很多新手對此不是很清楚，為了幫助大家解決這個難題，下面小編將為大家詳細(xì)講解，有這方面需求的人可以來學(xué)習(xí)下，希望你能有所收獲。

十多年建站經(jīng)驗， 成都網(wǎng)站制作、成都網(wǎng)站建設(shè)、外貿(mào)營銷網(wǎng)站建設(shè)客戶的見證與正確選擇。創(chuàng)新互聯(lián)提供完善的營銷型網(wǎng)頁建站明細(xì)報價表。后期開發(fā)更加便捷高效，我們致力于追求更美、更快、更規(guī)范。

描述

設(shè)置CPU生成隨機(jī)數(shù)的種子，方便下次復(fù)現(xiàn)實驗結(jié)果。

語法

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

參數(shù)

seed (int)– CPU生成隨機(jī)數(shù)的種子。取值范圍為[-0x8000000000000000, 0xffffffffffffffff]，十進(jìn)制是[-9223372036854775808, 18446744073709551615]，超出該范圍將觸發(fā)RuntimeError報錯。

返回

返回一個torch.Generator對象。

示例

設(shè)置隨機(jī)種子

# test.pyimport torch
torch.manual_seed(0)print(torch.rand(1)) # 返回一個張量，包含了從區(qū)間[0, 1)的均勻分布中抽取的一組隨機(jī)數(shù)

每次運行test.py的輸出結(jié)果都是一樣：

tensor([0.4963])

沒有隨機(jī)種子

# test.pyimport torchprint(torch.rand(1)) # 返回一個張量，包含了從區(qū)間[0, 1)的均勻分布中抽取的一組隨機(jī)數(shù)

每次運行test.py的輸出結(jié)果都不相同：

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

注意

設(shè)置隨機(jī)種子后，是每次運行test.py文件的輸出結(jié)果都一樣，而不是每次隨機(jī)函數(shù)生成的結(jié)果一樣：

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

輸出：

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

可以看到兩次打印torch.rand(1)函數(shù)生成的結(jié)果是不一樣的，但如果你再運行test.py，還是會打?。?/p>

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

但是，如果你就是想要每次運行隨機(jī)函數(shù)生成的結(jié)果都一樣，那你可以在每個隨機(jī)函數(shù)前都設(shè)置一模一樣的隨機(jī)種子：

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

輸出：

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

看完上述內(nèi)容是否對您有幫助呢？如果還想對相關(guān)知識有進(jìn)一步的了解或閱讀更多相關(guān)文章，請關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，感謝您對創(chuàng)新互聯(lián)的支持。