在所有模块中为 torch、随机数和 numpy 设置相同的种子

Question

我试图在整个项目中设置相同的种子。以下是我在主文件中设置的参数，其中将导入所有其他模块 -

seed = 42

os.environ['PYTHONHASHSEED'] = str(seed)

# Torch RNG

torch.manual_seed(seed)

torch.cuda.manual_seed(seed)

torch.cuda.manual_seed_all(seed)

# Python RNG

np.random.seed(seed)

random.seed(seed)

我的项目目录如下所示 -

├── Combined_Files_without_label5.csv

├── __pycache__

│   ├── dataset.cpython-37.pyc

│   ├── datasets.cpython-37.pyc

│   └── testing.cpython-37.pyc

├── datasets.py

├── import_packages

│   ├── __init__.py

│   ├── __pycache__

│   │   ├── __init__.cpython-37.pyc

│   │   ├── dataset.cpython-37.pyc

│   │   ├── dataset_class.cpython-37.pyc

│   │   ├── dataset_partition.cpython-37.pyc

│   │   └── visualising.cpython-37.pyc

│   ├── dataset_class.py

│   ├── dataset_partition.py

│   └── visualising.py

├── main.py

现在的问题是我正在从中导入模块，dataset_partition.py并且该函数需要seed那里的值。例如-

    df_train, df_temp, y_train, y_temp = train_test_split(X,

                                                      y,

                                                      stratify=y,

                                                      test_size=(1.0 - frac_train), # noqa

                                                      random_state=seed) 

现在，我的问题是， 1）如果我只是从上述语句中

删除参数，那么它会从我的主文件中获取种子吗？如果没有，那么如何设置呢？ 2）所有其他需要种子的函数（例如 , ）是否都会以相同的方式运行？（如果不是，那么如何解决它）random_state

torch.manual.seedtorch.cuda.manual_seed(seed)

Answer 1

1）如果我只是从上面的语句中删除 random_state 参数，那么它会从我的主文件中获取种子吗？是的，正如默认 ( ) 值的文档None所述：使用 numpy.random 中的全局随机状态实例。多次调用该函数将重用同一个实例，并会产生不同的结果。我想当您使用它时__init__，它将在您使用包中的任何其他功能之前运行，并且没问题。2）所有其他需要种子的函数（如 torch.manual.seed、torch.cuda.manual_seed(seed)）是否会以相同的方式运行？是的，这些将为 Python 和 PyTorch 设置全局种子以供使用，您在这里也可以。