深度学习随机数设置，保证实验的可重复性

在深度学习实验的时候，由于代码里面存在大量的随机操作，因此导致实验的可重复性比较差。为了保证实验的可重复性，我们需要对实验中一些随机操作进行设置。

1 python 和 numpy

如果读取数据的过程采用了随机预处理(如RandomCrop、RandomHorizontalFlip等)，那么对python、numpy的随机数生成器也需要设置种子。

import random
import numpy as np
random.seed(seed)
np.random.seed(seed)

2 pytorch

torch.manual_seed(seed)            # 为CPU设置随机种子
torch.cuda.manual_seed(seed)       # 为当前GPU设置随机种子
torch.cuda.manual_seed_all(seed)   # 为所有GPU设置随机种子

参考文献：

Pytorch 保证实验结果可重复性质_假装很坏的谦谦君的博客-CSDN博客