問題：

深度學(xué)習(xí)中，訓(xùn)練模型時(shí)實(shí)驗(yàn)參數(shù)設(shè)置但結(jié)果不同(部分論文最優(yōu)結(jié)果無法復(fù)現(xiàn))

實(shí)驗(yàn)參數(shù)包括： 數(shù)據(jù)集，train/test劃分，權(quán)重初始化等

可能的原因：Dropout的存在

python、numpy、torch隨機(jī)種子沒有固定

數(shù)據(jù)預(yù)處理，數(shù)據(jù)增強(qiáng)中采用了概率。若沒有設(shè)置固定的隨機(jī)種子，結(jié)果可能不同。例如常 用數(shù)據(jù)增強(qiáng)庫albumentations就采用了Python的隨機(jī)產(chǎn)生器。

數(shù)據(jù)集順序被打亂

隨機(jī)種子設(shè)定方式：pythonimport random

random.seed(1) # 生成同一個(gè)隨機(jī)數(shù)；

# 如果不設(shè)置則python會(huì)根據(jù)系統(tǒng)時(shí)間隨機(jī)生成一個(gè)，之后生成的隨機(jī)數(shù)不同

2. numpyimport numpy as np

np.random.seed(1) # 生成同一個(gè)隨機(jī)數(shù)；

# 如果不設(shè)置則python會(huì)根據(jù)系統(tǒng)時(shí)間隨機(jī)生成一個(gè)，之后生成的隨機(jī)數(shù)不同

3. torchtorch.manual_seed(seed)

torch.cuda.manual_seed(seed)

torch.cuda.manual_seed_all(seed)

# 使用PyTorch時(shí)，如果希望通過設(shè)置隨機(jī)數(shù)種子，在gpu或cpu上固定每一次的訓(xùn)練結(jié)果，則需要在程序執(zhí)行的開始處添加以下代碼：

def setup_seed(seed):

torch.manual_seed(seed)

torch.cuda.manual_seed_all(seed)

np.random.seed(seed)

random.seed(seed)

torch.backends.cudnn.deterministic = True

# 設(shè)置隨機(jī)數(shù)種子

setup_seed(20)

#隨機(jī)數(shù)種子seed確定時(shí)，模型的訓(xùn)練結(jié)果將始終保持一致

# 預(yù)處理數(shù)據(jù)以及訓(xùn)練模型

Ref：Pytorch隨機(jī)種子設(shè)置或固定_微信號：Custom-Software-CSDN博客_pytorch固定隨機(jī)種子?blog.csdn.net

總結(jié)

以上是生活随笔為你收集整理的python怎么设置随机数种子_python实验随机种子的设置的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。