Pytorch中设计随机数种子的必要性_pytorch为什么要几算随机数

Pytorch中设计随机数种子的必要性

一、在Pytorch中，我们可以用内置函数randn生成用户所需要的tensor，如：t.randn（x，y）来随机生成x行y列的tensor，下面代码中随机生成8行1列的tensor。

import torch as t
x = t.randn(8,1)
print(x)
1
2
3

二、值得注意的是，每次重新运行生成的tensor大小一样但是内置元素大小不同。结果数据对比可见下两张图。

三、因此随机数种子的必要性体现出来了，使用pytorch内置的manual_seed（x）函数设置随机数种子，保证每次运行生成的tensor中的随机元素不变。x即每组编号，编号固定，所以每次获取的随机数固定。比如x=1和x=2的编号不同，所以生成的随机数也不同。

import torch as t
t.manual_seed(100) # 设置随机数种子，编号固定为100，保证每次运行生成的tensor中的随机元素不变
x = t.randn(8,1)
print(x)
1
2
3
4