模型训练随机种子及其原理

实习中所跑实验一般都有随机种子

但是不知道原理是什么。

下边用来记录。

来源：https://wenku.baidu.com/view/eed3b921ecf9aef8941ea76e58fafab068dc445a.html

https://blog.csdn.net/ytusdc/article/details/125529881

def seed_everything(seed):
　 random.seed(seed)
　 os.environ['PYTHONHASHSEED'] = str(seed)
   np.random.seed(seed)
   torch.manual_seed(seed)#为当前的cpu设置随机种子
   torch.cuda.manual_seed(seed)#为gpu
   torch.cuda.manual_seed_all(seed)#当有多块gpu设置随机种子
   torch.backends.cudnn.deterministic = True#设置每次返回的卷积算法一致
　　torch.backends.cudnn.benchmark=False#使用的非确定性算法自动寻找最适合当前配置的高效算法 （不理解）
   torch.backends.cudnn.enabled=True #pytorch使用CUDANN加速即用GPU加速
　　

 

 

 

 

 

 原理：

原理待续