深度学习模型常用配置模版-随机种子设置

【写在前面】之前搭建深度学习模型的过程中并没有对模型中一些定式化的部分进行整理，现在为了让模型风格更加统一，可读性更强，便于维护，对相关配置模版代码进行整理，并放在GitHub上，随取随用，欢迎star~
Github仓库链接：https://github.com/FutureForMe/ConfigTemplates

为了让模型实验结果得以复现，需要在模型中设置随机种子，固定初始化参数。

import torch
import numpy as np
import random
import argparse


def set_seed(args):
    """
    :param args:
    :return:
    """
    torch.manual_seed(args.seed)
    torch.cuda.manual_seed_all(args.seed)
    np.random.seed(args.seed)
    random.seed(args.seed)
    torch.backends.cudnn.deterministic = True


if __name__ == '__main__':
    parser = argparse.ArgumentParser(description='configTemplates')
    parser.add_argument('-seed', default=2023, type=int, help='set seed for model')

    args = parser.parse_args()
	
	# 设置随机种子
    set_seed(args)

设置完随机种子之后，相同随机种子跑多次实验得到结果相同。