随机种子的作用，以Pytorch为例

随机种子的作用是为了初始化参数
保证每一次初始化的参数都一样
这样每一次训练出来的结果都会保持一致
下面以pytorch为例设置随机种子

def setup_seed(seed):
    random.seed(seed)
    np.random.seed(seed) #for numpy
    torch.manual_seed(seed)  # for CPU
    torch.cuda.manual_seed(seed)  # for current GPU
    torch.cuda.manual_seed_all(seed)  # for all GPU
    torch.backends.cudnn.benchmark = False
    torch.backends.cudnn.enabled = False
    torch.backends.cudnn.deterministic = True
1
2
3
4
5
6
7
8
9

torch.backends.cudnn.benchmark = False
torch.backends.cudnn.enabled = False
两者都设置为True有利于提高运算效率
但是使用非确定性算法导致每一次运行的结果不一样