python怎么设置随机数种子_python实验随机种子的设置

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)

random.seed(seed)

torch.backends.cudnn.deterministic = True

# 设置随机数种子

setup_seed(20)

#随机数种子seed确定时，模型的训练结果将始终保持一致

# 预处理数据以及训练模型

Ref：Pytorch随机种子设置或固定_微信号：Custom-Software-CSDN博客_pytorch固定随机种子​blog.csdn.net