深度学习中需要固定的随机数种子

前言

主要是3个：

• random.seed()
• numpy.random.seed()
• torch.manual_seed()

三个的原理和作用都是相似的，所以接下来我只简单介绍random.seed()。

random.seed()

作用

random()函数是用来产生伪随机数的，而random.seed()是用来确定随机数种子，使得每次产生的随机数是一样的。从而保证程序的可复现性。

例子

import random

for i in range(5):
	# Any number can be used in place of '0'
	random.seed(0)

	# Generated random number will be between 1 to 1000
	print(random.randint(1, 1000))
"""
Output:
865
865
865
865
865
"""
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

• 注意是需要在每次调用函数产生随机数之前都必须声明随机数种子，如下所示。

import random

random.seed(3)
print(random.randint(1, 1000))

random.seed(3)
print(random.randint(1, 1000))

print(random.randint(1, 1000))

"""
Output:
244
244
607
"""
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

Reference

例子来源于：
https://www.geeksforgeeks.org/random-seed-in-python/

np.random.seed()

torch.manual_seed()