torch.random

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

分叉 RNG（随机数生成器），这样当您返回时，RNG 会重置到之前的状态。

参数

• devices (设备 ID 的可迭代对象) – 需要分叉 RNG 的设备。CPU RNG 状态总是会被分叉。默认情况下，fork_rng() 会在所有设备上操作，但如果您的机器有很多设备，它会发出警告，因为在这种情况下此函数会运行得非常慢。如果您明确指定设备，则会抑制此警告。

• enabled (布尔值) – 如果为 False，则不分叉 RNG。这是一个方便的参数，用于轻松禁用上下文管理器，而无需删除它并缩进其下的 Python 代码。

• device_type (字符串) – 设备类型字符串，默认为 cuda。对于自定义设备，请参阅 [注意：支持使用 privateuse1 的自定义设备] 中的详细信息。

返回类型

Generator

torch.random.get_rng_state()

返回随机数生成器的状态，类型为 torch.ByteTensor。

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

Tensor

torch.random.initial_seed()

返回用于生成随机数的初始种子，类型为 Python long。

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)

在所有设备上设置用于生成随机数的种子。返回一个 torch.Generator 对象。

参数

seed (整数) – 所需的种子。值必须在包含范围 [-0x8000_0000_0000_0000, 0xffff_ffff_ffff_ffff] 内。否则，会引发 RuntimeError。负输入会根据公式 0xffff_ffff_ffff_ffff + seed 映射到正值。

返回类型

Generator

torch.random.seed()

在所有设备上将用于生成随机数的种子设置为非确定性随机数。返回一个用于种子化 RNG 的 64 位数字。

返回类型

int

torch.random.set_rng_state(new_state)

设置随机数生成器的状态。

注意

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

参数

new_state (torch.ByteTensor) – 所需的状态