PyTorch torch隨機

原文： PyTorch torch隨機

torch.random.fork_rng(devices=None, enabled=True, _caller='fork_rng', _devices_kw='devices')?

分叉 RNG，以便在您返回時將 RNG 重置為之前的狀態(tài)。

參數(shù)

• 設備(可迭代的 CUDA ID 的）–派生 RNG 的 CUDA 設備。 CPU RNG 狀態(tài)始終為分叉。 默認情況下， fork_rng() 可在所有設備上運行，但是如果您的計算機上有很多設備，則將發(fā)出警告，因為在這種情況下此功能運行非常緩慢。 如果您明確指定設備，該警告將被取消
• 啟用的 (bool )–如果False，則不分叉 RNG。 這是一個方便的參數(shù)，用于輕松禁用上下文管理器，而不必刪除它并取消其下的 Python 代碼的縮進。

torch.random.get_rng_state()?

以 <cite>torch.ByteTensor</cite> 的形式返回隨機數(shù)生成器狀態(tài)。

torch.random.initial_seed()?

返回長為 Python <cite>long</cite> 的用于生成隨機數(shù)的初始種子。

torch.random.manual_seed(seed)?

設置用于生成隨機數(shù)的種子。 返回一個<cite>torch.生成器</cite>對象。

Parameters

種子 (python：int )–所需的種子。

torch.random.seed()?

將用于生成隨機數(shù)的種子設置為不確定的隨機數(shù)。 返回用于播種 RNG 的 64 位數(shù)字。

torch.random.set_rng_state(new_state)?

設置隨機數(shù)生成器狀態(tài)。

Parameters

new_state (torch.ByteTensor )–所需狀態(tài)

隨機數(shù)發(fā)生器

torch.random.get_rng_state()

Returns the random number generator state as a <cite>torch.ByteTensor</cite>.

torch.random.set_rng_state(new_state)

Sets the random number generator state.

Parameters

new_state (torch.ByteTensor) – The desired state

torch.random.manual_seed(seed)

Sets the seed for generating random numbers. Returns a <cite>torch.Generator</cite> object.

Parameters

seed (python:int) – The desired seed.

torch.random.seed()

Sets the seed for generating random numbers to a non-deterministic random number. Returns a 64 bit number used to seed the RNG.

torch.random.initial_seed()

Returns the initial seed for generating random numbers as a Python <cite>long</cite>.

torch.random.fork_rng(devices=None, enabled=True, _caller='fork_rng', _devices_kw='devices')

Forks the RNG, so that when you return, the RNG is reset to the state that it was previously in.

Parameters

• devices (iterable of CUDA IDs) – CUDA devices for which to fork the RNG. CPU RNG state is always forked. By default, fork_rng() operates on all devices, but will emit a warning if your machine has a lot of devices, since this function will run very slowly in that case. If you explicitly specify devices, this warning will be suppressed
• enabled (bool) – if False, the RNG is not forked. This is a convenience argument for easily disabling the context manager without having to delete it and unindent your Python code under it.