torch.random

torch.random 中。fork_rng（devices=None， enabled=True， _caller='fork_rng'， _devices_kw='devices'）

分叉 RNG，以便在您返回时重置 RNG 设置为它之前所处的状态。

参数

• devices （CUDA ID 的可迭代） – 要分叉的 CUDA 设备 RNG 的。CPU RNG 状态始终为 forked。默认情况下，运行 在所有设备上，但如果您的计算机上有很多 的设备，因为在这种情况下，此功能的运行速度会非常慢。 如果显式指定设备，则将禁止显示此警告

• enabled （bool） – 如果 ，则 RNG 未分叉。这是一种便利 参数，以便在没有 将其删除并在其下取消缩进 Python 代码。False

返回类型：

发电机

torch.random 中。get_rng_state（

将随机数生成器状态返回为Torch。ByteTensor 的 ByteTensor 中。

返回类型：

张肌

torch.random 中。initial_seed（）

返回用于生成随机数的初始种子 Python 长。

返回类型：

int

torch.random 中。manual_seed（种子）

设置用于生成随机数的种子。返回一个Torch。Generator 对象。

参数

seed （int） – 所需的种子。值必须在 [-0x8000_0000_0000_0000， 0xffff_ffff_ffff_ffff] 范围内。否则，RuntimeError 被提升。负输入使用公式 0xffff_ffff_ffff_ffff + seed 重新映射为正值。

返回类型：

发电机

torch.random 中。seed（

将生成随机数的种子设置为非确定性 随机数。返回用于为 RNG 设定种子的 64 位数字。

返回类型：

int

torch.random 中。set_rng_state（new_state）

设置随机数生成器状态。

参数

new_state（Torch。ByteTensor） – 所需状态