【算法】机器学习中固定随机数种子
2021/12/14 17:18:21
本文主要是介绍【算法】机器学习中固定随机数种子,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
将下列函数在程序入口执行即可,其中 torch.backends.cudnn.benchmark 设置为 False 将放弃网络模型的卷积层优化,使得运行速度大幅度下降。
def set_seed(seed=1024): random.seed(seed) np.random.seed(seed) torch.manual_seed(seed) # current CPU torch.cuda.manual_seed(seed) # current GPU torch.cuda.manual_seed_all(seed) # all GPUs torch.backends.cudnn.enabled = False # use deterministic algorithm torch.backends.cudnn.benchmark = False # avoid cuDNN acceleration torch.backends.cudnn.deterministic = True # use deterministic algorithm os.environ[‘PYTHONHASHSEED’] = str(seed) # avoid hash randomization
这篇关于【算法】机器学习中固定随机数种子的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-01-24手把手教你使用MDK仿真调试
- 2024-01-10基于“小数据”的机器学习
- 2024-01-08扩展卡尔曼滤波:提高机器学习性能的利器
- 2023-12-26各种二端口滤波器网络仿真遇到的问题
- 2023-12-14机器学习-搜索技术:从技术发展到应用实战的全面指南
- 2023-12-12机器学习 - 决策树:技术全解与案例实战
- 2023-12-05机器学习-学习率:从理论到实战,探索学习率的调整策略
- 2023-12-04解锁机器学习-梯度下降:从技术到实战的全面指南
- 2023-11-30回归算法全解析!一文读懂机器学习中的回归模型
- 2023-11-30机器学习 - 似然函数:概念、应用与代码实例