pytorch之模型参数固定

• 训练集测试集划分固定

# 通过设置random_state设置固定比例
x_train, x_test, y_train, y_test = train_test_split(x_test, y, test_size = 0.1, random_state=seed)

• torch中的随机种子

# cpu
torch.manual_seed(seed)
# gpu
torch.cuda.manual_seed_all(seed)    # 通过设置这个，保证每次运行按次序生成的随机数一样。·

#DataLoader的shuffle每一次都是一样的

• numpy中随机种子的设置
  

• 综合

def setup_seed(seed):
     torch.manual_seed(seed)
     torch.cuda.manual_seed_all(seed)
     np.random.seed(seed)
     torch.backends.cudnn.deterministic = True

• 实验结果