描述

def set_seed(seed):
    random.seed(seed)  # Python random module.
    np.random.seed(seed)  # Numpy module.
    set_seed(seed)
    os.environ['PYTHONHASHSEED'] = str(seed)
    torch.random.manual_seed(seed)
    torch.manual_seed(seed)
    torch.cuda.manual_seed(seed)
    torch.cuda.manual_seed_all(seed)  # if you are using multi-GPU.
    torch.backends.cudnn.benchmark = cudnn_benchmark
    torch.backends.cudnn.deterministic = cudnn_deterministic

貢獻者指南

技術棧

pythonpytorch

領域

machine learning

議題類型

research

難度面向新貢獻者的預計實作難度，1 表示很小改動，5 表示專家級工作。

3

預計時間有經驗貢獻者完成調查、實作、測試並準備 pull request 的粗略時間範圍。

under 1 hour

活動狀態議題目前的可參與程度：新鮮、活躍、陳舊、阻塞或等待維護者輸入。

needs maintainer response

清晰度議題是否清楚說明預期改動、驗收標準和下一步。

needs investigation

前置要求

Basic understanding of PyTorchKnowledge of reproducibility concepts

新手友善度1-100 的估計分數，表示該議題對首次貢獻者的友善程度。

40

研究方向

Investigate the xformers repository for existing utilities or documentation related to random seed setting and reproducibility. Look at the issue history for similar questions or answers. Consider contributing by adding a clear guide or a utility function to the documentation. Refer to the PyTorch reproducibility documentation for best practices.