torch.manual_seed()

只要随机数种子N是不变的，那么只要np.random.seed(N)或者torch.manual_seed(N)被执行，那么产生随机数就是一样的。
比如说在训练模型的程序中，只包含一次np.random.seed(N)和torch.manual_seed(N) 操作:
每次运行该程序文件的时候，由于N不变，那么就保证了无论第几次运行该程序文件，产生的初始参数都是一样的。
如所示：同一段代码运行两次，产生的初始化参数是一样的。

import torch
import torch.nn as nn
import datetime
 
if __name__ == '__main__':
 
    print(datetime.datetime.now())
    torch.manual_seed(2)
    model = nn.Conv2d(8,16,3,stride=2)
    for para in model.state_dict():
        # para is the key
        print(para,'t',model.state_dict()[para])

————————————————
版权声明：本文为CSDN博主「LUQC638」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_61445075/article/details/122269291