torch.random

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

分叉随机数生成器，以便在返回时，随机数生成器恢复到之前的状态。

参数:

• 设备（设备 ID 的可迭代集合）- 要分叉 RNG 的设备。CPU RNG 状态始终分叉。默认情况下， fork_rng() 对所有设备进行操作，但如果您的机器有大量设备，则会发出警告，因为在这种情况下此函数将运行非常缓慢。如果您显式指定设备，则将抑制此警告

• 启用（布尔值）- 如果 False ，则不进行 RNG 分叉。这是一个方便的参数，可以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。有关自定义设备，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:

生成器

torch.random.get_rng_state()[source][source]

返回随机数生成器的状态，以 torch.ByteTensor 的形式。

注意

返回的状态仅适用于 CPU 上的默认生成器。

参见： torch.random.fork_rng() 。

返回类型:

张量

torch.random.initial_seed()[source][source]

返回生成随机数的初始种子，作为 Python 长整型。

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)[源码][源码] ¶

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（整数）- 所需的种子。值必须在[-0x8000_0000_0000_0000, 0xffff_ffff_ffff_ffff]的范围内。否则，将引发 RuntimeError。负数输入将使用公式 0xffff_ffff_ffff_ffff + 种子映射为正数。

返回类型:

生成器

torch.random.seed()[source][source]

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。返回用于初始化 RNG 的 64 位数字。

返回类型:

int

torch.random.set_rng_state(new_state)[source][source]

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() ，它适用于 CPU 和 CUDA。

参数:

new_state（torch.ByteTensor）- 所需的状态