在手动创建模型类之后，每次实例化都会随机生成一组参数值

class logisticR(nn.Module):
    def __init__(self, in_features=2, out_features=1):       # 定义模型的点线结构
        super(logisticR, self).__init__()
        self.linear = nn.Linear(in_features, out_features)
        
    def forward(self, x):                                    # 定义模型的正向传播规则
        out = self.linear(x)             
        return out

list(logisticR().parameters())
list(logisticR().parameters())

输出结果

[Parameter containing:
 tensor([[ 0.4318, -0.4256]], requires_grad=True),
 Parameter containing:
 tensor([0.6730], requires_grad=True)]

[Parameter containing:
 tensor([[-0.5617, -0.2157]], requires_grad=True),
 Parameter containing:
 tensor([-0.4873], requires_grad=True)]

若需要完全复现模型训练过程，则需要在实例化之前设置随机数种子，或者在上一个随机数种子之前规定有限次的随机次数。

- 随机数种子可以在全域发挥作用
torch.manual_seed(420)  
list(logisticR().parameters())
list(logisticR().parameters())

torch.manual_seed(420)  
list(logisticR().parameters())
list(logisticR().parameters())

输出结果：

<torch._C.Generator at 0x257c273ef90>
[Parameter containing:
 tensor([[ 0.4318, -0.4256]], requires_grad=True),
 Parameter containing:
 tensor([0.6730], requires_grad=True)]
[Parameter containing:
 tensor([[-0.5617, -0.2157]], requires_grad=True),
 Parameter containing:
 tensor([-0.4873], requires_grad=True)]

<torch._C.Generator at 0x257c273ef90>
[Parameter containing:
 tensor([[ 0.4318, -0.4256]], requires_grad=True),
 Parameter containing:
 tensor([0.6730], requires_grad=True)]
[Parameter containing:
 tensor([[-0.5617, -0.2157]], requires_grad=True),
 Parameter containing:
 tensor([-0.4873], requires_grad=True)]

• torch.manual_seed不会对random中的随机过程造成影响

# - torch.manual_seed不会对random中的随机过程造成影响
l = list(range(5))
l
random.shuffle(l)
l

torch.manual_seed(420)  
l = list(range(5))
l
random.shuffle(l)
l

torch.manual_seed(420)  
l = list(range(5))
l
random.shuffle(l)
l

输出结果：

[0, 1, 2, 3, 4]
[2, 1, 3, 4, 0]

<torch._C.Generator at 0x257c273ef90>
[0, 1, 2, 3, 4]
[1, 4, 2, 0, 3]

<torch._C.Generator at 0x257c273ef90>
[0, 1, 2, 3, 4]
[0, 3, 1, 2, 4]

• random中可以通过设置random.seed来控制随机过程

# - random中可以通过设置`random.seed`来控制随机过程
random.seed(420)  
l = list(range(5))
l
random.shuffle(l)
l

random.seed(420)  
l = list(range(5))
l
random.shuffle(l)
l

输出结果：

[0, 1, 2, 3, 4]
[4, 3, 1, 2, 0]

[0, 1, 2, 3, 4]
[4, 3, 1, 2, 0]