如何解决如何使用 TFT 模型正确修复 pytorch-forecasting 中的随机种子?
Pytorch-forecasting 是一个用于时间序列预测的库。 我想知道如何修复种子以获得我的实验的可重复性。 现在我在训练开始前使用这个功能。
import pytorch_lightning as pl
pl.seed_everything(42)
然而,它不起作用。这是由 dropout 引起的,因为当我设置 dropout = 0 时它已经起作用了。
# configure network and trainer
pl.seed_everything(42)
trainer = pl.Trainer(
deterministic=True,gpus=[0],gradient_clip_val=0.1,)
tft = TemporalFusionTransformer.from_dataset(
training,learning_rate=0.03,hidden_size=128,attention_head_size=2,dropout=0.3,hidden_continuous_size=32,output_size=7,loss=QuantileLoss(),reduce_on_plateau_patience=4,)
trainer.fit(
tft,train_dataloader=train_dataloader,val_dataloaders=val_dataloader,)
那么,我该如何解决这个问题?
谢谢,
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。