torch.random

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

分叉（Fork）RNG，以便在您返回時，RNG 重置為先前的狀態。

參數

• devices (Device IDs 的 iterable) – 要分叉 RNG 的裝置。 CPU RNG 狀態始終會被分叉。 預設情況下，fork_rng() 在所有裝置上運行，但如果您的機器有很多裝置，將會發出警告，因為在這種情況下，此函數的運行速度會非常慢。 如果您明確指定裝置，則會抑制此警告。

• enabled (bool) – 如果 False，則不分叉 RNG。 這是一個方便的參數，可以輕鬆地停用上下文管理器，而無需刪除它並取消縮排您的 Python 程式碼。

• device_type (str) – 裝置類型字串，預設為 cuda。 至於自定義裝置，請參閱 [注意：支援使用 privateuse1 的自定義裝置] 中的詳細資訊。

回傳類型

產生器 (Generator)

torch.random.get_rng_state()

將亂數產生器狀態以 torch.ByteTensor 的形式回傳。

注意

回傳的狀態僅適用於 CPU 上的預設產生器。

另請參閱： torch.random.fork_rng()。

回傳類型

Tensor

torch.random.initial_seed()

將用於產生亂數的初始種子 (seed) 以 Python long 的形式回傳。

注意

回傳的種子僅適用於 CPU 上的預設產生器。

回傳類型

int

torch.random.manual_seed(seed)

設定所有裝置上產生亂數的種子 (seed)。 回傳一個 torch.Generator 物件。

參數

seed (int) – 期望的種子 (seed)。 值必須在包含 [-0x8000_0000_0000_0000, 0xffff_ffff_ffff_ffff] 的範圍內。 否則，會引發 RuntimeError。 負數輸入會使用公式 0xffff_ffff_ffff_ffff + seed 重新映射為正數。

回傳類型

產生器 (Generator)

torch.random.seed()

將所有裝置上產生亂數的種子 (seed) 設定為一個非確定性的亂數。 回傳一個用於設定 RNG 種子的 64 位元數字。

回傳類型

int

torch.random.set_rng_state(new_state)

設定亂數產生器狀態。

注意

此函數僅適用於 CPU。 對於 CUDA，請使用 torch.manual_seed()，它適用於 CPU 和 CUDA。

參數

new_state (torch.ByteTensor) – 期望的狀態