在神經網路中，引數預設是進行隨機初始化的。不同的初始化引數往往會導致不同的結果，當得到比較好的結果時我們通常希望這個結果是可以復現的，在pytorch中，通過設定隨機數種子也可以達到這麼目的。
seed = 0自己在按照這種方法嘗試後進行兩次訓練所得到的loss和誤差都不同，結果並沒有復現。torch.manual_seed(seed)
torch.cuda.manual_seed(seed)
也搜過一些方法，比如設定引數:
torch.backends.cudnn.deterministic = true但是在自己的網路中這樣設定並沒有用，依然得到不同的結果。
後面偶然在google中搜到有人在設定隨機數種子時還加上了np.random.seed(seed)，經過嘗試後發現結果是可復現的了。
隨機數種子
隨機數 int main 函式rand 是真正的隨機數生成器，而srand 會設定供rand 使用的隨機數種子。如果你在第一次呼叫rand 之前沒有呼叫srand 那麼系統會為你自動呼叫srand 而使用同種子相同的數呼叫 srand 會導致相同的隨機數序列被生成。srand unsigned ti...
隨機數種子
隨機數就是就隨機數種子中取出的數。種子就是個序號，這個序號交給乙個數列管理器，通過這個序號，你從管理器中取出乙個數列，這個數列就是你通過那個序號得到的隨機數。但這個隨技術並不真正隨機。因為它是通過某個演算法的得到。也就是說你給數列管理器同乙個序號將得到同樣乙個 隨機 數列。也就是說種子和隨機數列是一...
隨機數種子
隨機數 int main 函式rand 是真正的隨機數生成器，而srand 會設定供rand 使用的隨機數種子。如果你在第一次呼叫rand 之前沒有呼叫srand 那麼系統會為你自動呼叫srand 而使用同種子相同的數呼叫 srand 會導致相同的隨機數序列被生成。srand unsigned ti...