在所有模块中为火炬，随机数和numpy设置相同的种子

如何解决在所有模块中为火炬，随机数和numpy设置相同的种子

我试图在整个项目中设置相同的种子。以下是我在主文件中设置的参数，所有其他模块都将在其中导入-

seed = 42
os.environ['PYTHONHASHSEED'] = str(seed)
# Torch RNG
torch.manual_seed(seed)
torch.cuda.manual_seed(seed)
torch.cuda.manual_seed_all(seed)
# Python RNG
np.random.seed(seed)
random.seed(seed)

我的项目目录如下-

├── Combined_Files_without_label5.csv
├── __pycache__
│   ├── dataset.cpython-37.pyc
│   ├── datasets.cpython-37.pyc
│   └── testing.cpython-37.pyc
├── datasets.py
├── import_packages
│   ├── __init__.py
│   ├── __pycache__
│   │   ├── __init__.cpython-37.pyc
│   │   ├── dataset.cpython-37.pyc
│   │   ├── dataset_class.cpython-37.pyc
│   │   ├── dataset_partition.cpython-37.pyc
│   │   └── visualising.cpython-37.pyc
│   ├── dataset_class.py
│   ├── dataset_partition.py
│   └── visualising.py
├── main.py

现在，问题是我正在从dataset_partition.py导入模块，并且该函数在此处需要一个seed值。例如-

    df_train,df_temp,y_train,y_temp = train_test_split(X,y,stratify=y,test_size=(1.0 - frac_train),# noqa
                                                      random_state=seed)

现在，我的问题是，
1）如果我只是从上述语句中删除了random_state参数，那么它将从我的主文件中获取种子吗？
如果不是，那么如何设置吗？
2）所有其他需要种子的功能（如torch.manual.seed，torch.cuda.manual_seed(seed)也会以相同的方式运行吗？（否则，该如何解决）

解决方法

1）如果我只是从上述声明中删除random_state参数那会从我的主文件中获取种子吗？

是的，默认值（arr的{{3}}表示：

使用numpy.random中的全局随机状态实例。呼叫函数多次将重用同一实例，并将产生结果不同。

我想您将在None中使用它，它将在您从软件包中使用的任何其他功能之前运行，并且还可以。

2）是否执行所有其他需要种子的功能像torch.manual.seed一样，torch.cuda.manual_seed（seed）的行为用同样的方式？

是的，这些将为Python和PyTorch设置要使用的全局种子，您在这里也很好。