問題：

深度學習中，訓練模型時實驗參數設置但結果不同(部分論文最優結果無法復現)

實驗參數包括： 數據集，train/test劃分，權重初始化等

可能的原因：Dropout的存在

python、numpy、torch隨機種子沒有固定

數據預處理，數據增強中采用了概率。若沒有設置固定的隨機種子，結果可能不同。例如常 用數據增強庫albumentations就采用了Python的隨機產生器。

數據集順序被打亂

隨機種子設定方式：pythonimport random

random.seed(1) # 生成同一個隨機數；

# 如果不設置則python會根據系統時間隨機生成一個，之后生成的隨機數不同

2. numpyimport numpy as np

np.random.seed(1) # 生成同一個隨機數；

# 如果不設置則python會根據系統時間隨機生成一個，之后生成的隨機數不同

3. torchtorch.manual_seed(seed)

torch.cuda.manual_seed(seed)

torch.cuda.manual_seed_all(seed)

# 使用PyTorch時，如果希望通過設置隨機數種子，在gpu或cpu上固定每一次的訓練結果，則需要在程序執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

# 設置隨機數種子

setup_seed(20)

#隨機數種子seed確定時，模型的訓練結果將始終保持一致

# 預處理數據以及訓練模型

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

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。