torch.random

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

复制随机数生成器的状态，以便在你返回时，随机数生成器会恢复到之前的状态。

Parameters:

• 设备 (CUDA ID 的可迭代对象) – 用于分叉 RNG 的 CUDA 设备。CPU 的 RNG 状态始终会被分叉。默认情况下，fork_rng() 会在所有设备上运行，但如果您的机器拥有大量设备，此函数在这种情况下将运行得非常缓慢，因此会发出警告。如果您明确指定了设备，此警告将被抑制。

• 启用 (布尔值) – 如果 False，则不分支随机数生成器。这是一个方便的参数，用于在不删除上下文管理器的情况下轻松禁用它，而无需删除它并在其下缩进Python代码。

Return type:

生成器

torch.random.get_rng_state()

返回随机数生成器的状态为torch.ByteTensor。

Return type:

张量

torch.random.initial_seed()

返回生成随机数的初始种子，为一个 Python long。

Return type:

整数

torch.random.manual_seed(seed)

设置生成随机数的种子。返回一个 torch.Generator 对象。

Parameters:

seed (int) – 所需的种子。值必须在包含范围内 [-0x8000_0000_0000_0000, 0xffff_ffff_ffff_ffff]。否则，将引发 RuntimeError 错误。负数输入将通过公式映射为正数 0xffff_ffff_ffff_ffff + seed。

Return type:

生成器

torch.random.seed()

将生成随机数的种子设置为非确定性随机数。返回一个用于初始化随机数生成器 (RNG) 的 64 位数字。

Return type:

整数

torch.random.set_rng_state(new_state)

设置随机数生成器的状态。

Parameters:

new_state (torch.ByteTensor) – 所需状态