PyTorch torch.manual_seed 函数
Pytorch torch 参考手册torch.manual_seed 是 PyTorch 中用于设置随机数生成器种子的函数。设置种子可以确保结果的可重复性。
这在需要保证实验结果可复现时非常重要，例如调试、论文复现等场景。
函数定义
torch.manual_seed(seed)
参数:
seed(int): 随机种子。
返回值:
无
使用示例
示例 1: 设置种子保证可复现性
实例
import torch
# 设置随机种子
torch.manual_seed(42)
# 每次生成的随机数相同
x = torch.randn(3)
print("第一次:", x)
# 重新设置相同种子
torch.manual_seed(42)
y = torch.randn(3)
print("第二次:", y)
print("结果相同:", torch.equal(x, y))
# 设置随机种子
torch.manual_seed(42)
# 每次生成的随机数相同
x = torch.randn(3)
print("第一次:", x)
# 重新设置相同种子
torch.manual_seed(42)
y = torch.randn(3)
print("第二次:", y)
print("结果相同:", torch.equal(x, y))
输出结果为：
第一次: tensor([ 0.3367, 0.1288, 0.2345]) 第二次: tensor([ 0.3367, 0.1288, 0.2345]) 结果相同: True
示例 2: 完整可复现训练
实例
import torch
import random
import numpy as np
def set_seed(seed=42):
# 设置 PyTorch 种子
torch.manual_seed(seed)
# 设置 NumPy 种子
np.random.seed(seed)
# 设置 Python random 种子
random.seed(seed)
# 确保 CUDA 确定性好（如果使用）
torch.backends.cudnn.deterministic = True
torch.backends.cudnn.benchmark = False
# 设置种子
set_seed(42)
# 生成随机数据
x = torch.randn(3, 4)
print(x)
import random
import numpy as np
def set_seed(seed=42):
# 设置 PyTorch 种子
torch.manual_seed(seed)
# 设置 NumPy 种子
np.random.seed(seed)
# 设置 Python random 种子
random.seed(seed)
# 确保 CUDA 确定性好（如果使用）
torch.backends.cudnn.deterministic = True
torch.backends.cudnn.benchmark = False
# 设置种子
set_seed(42)
# 生成随机数据
x = torch.randn(3, 4)
print(x)
输出结果为：
tensor([[ 0.3367, 0.1288, 0.2345, 0.2303],
[-1.1229, -0.1863, 0.1735, -0.5524],
[ 0.6351, -0.2582, 0.4602, -0.5270]])
为了完全保证可复现性，需要同时设置 PyTorch、NumPy 和 Python random 的种子。