在所有模块中为火炬、随机数和 numpy 设置相同的种子
Setting the same seed for torch, random number and numpy throughout all the modules
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，问题是我正在从 dataset_partition.py 导入模块，并且该函数需要一个 seed 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) 如果我只是从上面的语句中删除 random_state 参数，它会从我的主文件中获取种子吗？
如果没有，那怎么设置呢？
2)是否所有其他需要种子的函数如torch.manual.seed、torch.cuda.manual_seed(seed)会以同样的方式表现？（如果不是，那么如何解决它）
1)If I just remove the random_state parameter from the above statement
so will it take the seed from my main file?
是的，因为默认 (None) 值的 docs 表示：
Use the global random state instance from numpy.random. Calling the
function multiple times will reuse the same instance, and will produce
different results.
当你在 __init__ 中使用它时，我想，它将 运行 在你从你的包中使用的任何其他功能之前，你没问题。
2)Does all the other function which requires seed
like torch.manual.seed, torch.cuda.manual_seed(seed) will behave in
the same way?
是的，这些将为 Python 和 PyTorch 设置全局种子，你在这里也很好。
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，问题是我正在从 dataset_partition.py 导入模块，并且该函数需要一个 seed 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) 如果我只是从上面的语句中删除 random_state 参数，它会从我的主文件中获取种子吗？
如果没有，那怎么设置呢？
2)是否所有其他需要种子的函数如torch.manual.seed、torch.cuda.manual_seed(seed)会以同样的方式表现？（如果不是，那么如何解决它）
1)If I just remove the random_state parameter from the above statement so will it take the seed from my main file?
是的，因为默认 (None) 值的 docs 表示：
Use the global random state instance from numpy.random. Calling the function multiple times will reuse the same instance, and will produce different results.
当你在 __init__ 中使用它时，我想，它将 运行 在你从你的包中使用的任何其他功能之前，你没问题。
2)Does all the other function which requires seed like torch.manual.seed, torch.cuda.manual_seed(seed) will behave in the same way?
是的，这些将为 Python 和 PyTorch 设置全局种子，你在这里也很好。