torch.random

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

分叉 RNG，以便在您返回时，RNG 重置为它先前所处的状态。

参数

• devices (设备 ID 的可迭代对象) – 要为其分叉 RNG 的设备。CPU RNG 状态始终分叉。默认情况下，fork_rng() 在所有设备上运行，但如果您的机器有许多设备，它会发出警告，因为在这种情况下，此函数将运行得非常慢。如果您明确指定设备，此警告将被禁止

• enabled (bool) – 如果为 False，则不会分叉 RNG。这是一个方便的参数，用于轻松禁用上下文管理器，而无需删除它并在其下取消缩进您的 Python 代码。

• device_type (str) – 设备类型 str，默认为 cuda。至于自定义设备，请参阅 [注意：使用 privateuse1 支持自定义设备] 中的详细信息

返回类型

生成器

torch.random.get_rng_state()

将随机数生成器状态作为 torch.ByteTensor 返回。

注意

返回的状态仅适用于 CPU 上的默认生成器。

另请参阅：torch.random.fork_rng()。

返回类型

张量

torch.random.initial_seed()

将生成随机数的初始种子作为 Python long 返回。

注意

返回的种子仅适用于 CPU 上的默认生成器。

返回类型

int

torch.random.manual_seed(seed)

设置所有设备上生成随机数的种子。返回一个 torch.Generator 对象。

参数

seed (int) – 所需的种子。值必须在包含范围 [-0x8000_0000_0000_0000, 0xffff_ffff_ffff_ffff] 内。否则，将引发 RuntimeError。负输入将使用公式 0xffff_ffff_ffff_ffff + seed 重新映射到正值。

返回类型

生成器

torch.random.seed()

将生成随机数的种子设置为所有设备上的非确定性随机数。返回一个用于播种 RNG 的 64 位数字。

返回类型

int

torch.random.set_rng_state(new_state)

设置随机数生成器状态。

注意

此函数仅适用于 CPU。对于 CUDA，请使用 torch.manual_seed()，它适用于 CPU 和 CUDA。

参数

new_state（torch.ByteTensor）– 所需状态