机器学习

【算法】机器学习中固定随机数种子

本文主要是介绍【算法】机器学习中固定随机数种子，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

将下列函数在程序入口执行即可，其中 torch.backends.cudnn.benchmark 设置为 False 将放弃网络模型的卷积层优化，使得运行速度大幅度下降。

def set_seed(seed=1024):
    random.seed(seed)
    np.random.seed(seed)
    torch.manual_seed(seed)                        # current CPU
    torch.cuda.manual_seed(seed)                   # current GPU
    torch.cuda.manual_seed_all(seed)               # all GPUs
    torch.backends.cudnn.enabled = False           # use deterministic algorithm
    torch.backends.cudnn.benchmark = False         # avoid cuDNN acceleration
    torch.backends.cudnn.deterministic = True      # use deterministic algorithm
    os.environ[‘PYTHONHASHSEED’] = str(seed)       # avoid hash randomization
这篇关于【算法】机器学习中固定随机数种子的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！
您可能喜欢
栏目导航