随机种子的使用

默认seed值为20
random.seed(seed): 设置 Python 内置的 random 模块的随机种子。这会影响所有使用 random 模块生成的随机数。
np.random.seed(seed): 设置 NumPy 的随机数生成器的随机种子。NumPy 是 Python 中用于科学计算的一个库，它提供了大量的数学函数和操作数组的工具。
torch.manual_seed(seed): 设置 PyTorch 的 CPU 随机数生成器的随机种子。PyTorch 是一个流行的深度学习库，它提供了丰富的张量操作和自动微分功能。
torch.cuda.manual_seed(seed): 设置 PyTorch 的 CUDA 随机数生成器的随机种子，这仅影响在 CUDA 设备（如 GPU）上执行的随机数生成操作。只需要调用 一次，PyTorch 就会自动为所有可用的 CUDA 设备设置相同的种子。
torch.backends.cudnn.deterministic = True: 这行代码将 PyTorch 的 cuDNN 后端设置为确定性模式。cuDNN 是 NVIDIA 提供的一个深度学习加速库，它优化了神经网络的前向和后向传播。在确定性模式下，即使在不同的硬件或软件配置上，相同的输入也会产生相同的输出（在数值误差范围内）。这有助于确保实验的可重复性。
torch.backends.cudnn.benchmark = False: 这行代码禁用了 cuDNN 的自动调优（benchmarking）功能。在默认情况下，PyTorch 会尝试为当前配置找到最快的 cuDNN 卷积算法，这可能会改变每次运行时的计算图，从而影响结果的确定性。通过将其设置为 False，可以确保每次运行都使用相同的算法，从而保持确定性。