返回信息流我已经在train文件，加载预训练模型和dataloader之前的时候设置过下面这几行代码
torch.manual_seed(seed)
torch.cuda.manual_seed(seed)
torch.cuda.manual_seed_all(seed) # if you are using multi-GPU.
np.random.seed(seed) # Numpy module.
random.seed(seed) # Python random module.
torch.manual_seed(seed)
torch.backends.cudnn.benchmark = False
torch.backends.cudnn.deterministic = True
但是还是不行，我看这里说，https://github.com/pytorch/pytorch/issues/7068，是因为上采样和插值的不确定性吗，那这样很多网络结构不都是有上采样，难道都不能复现同样的结果吗
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #37039同步于 2020/8/28
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
【问题】想问问大家，pytorch每次相同参数训练模型得到的结果都
monsters
2020/8/28镜像同步2 回复
订阅后，新回复会通过你的通知中心匿名送达。
2 条回复
设置了，但是20个batch之后，损失就开始有一点细微的差别了
【 在 moonfighting (moonfighting) 的大作中提到: 】
: dataloader那里shuffle设置为False了吗