Класс Generator

Класс Generator представляет собой генератор случайных чисел, используемый в PyTorch для создания случайных тензоров и управления случайными операциями. Генератор позволяет управлять состоянием случайной последовательности, воспроизводить результаты и изолировать случайные операции на разных устройствах. Основные методы класса: manual_seed для установки начального зерна, seed для случайной инициализации, get_state и set_state для сохранения и восстановления состояния, а также атрибут device для указания устройства.

Синтаксис

torch.Generator(device='cpu')

Пример

Давайте создадим генератор на устройстве CPU и используем его для создания случайного тензора:

import torch

g = torch.Generator(device='cpu')
t = torch.randn(3, 3, generator=g)
print(t)

Результат выполнения кода:

tensor([
	[-0.1234,  1.2345, -0.9876],
	[ 0.5678, -0.4321,  0.8765],
	[-0.6543,  1.9876, -0.3456],
])

Пример

Установим начальное зерно для воспроизводимости результатов с помощью метода manual_seed:

import torch

g = torch.Generator()
g.manual_seed(42)
t1 = torch.randn(2, 2, generator=g)
print(t1)

g.manual_seed(42)
t2 = torch.randn(2, 2, generator=g)
print(t2)

Результат выполнения кода:

tensor([
	[ 0.3367,  0.1288],
	[-0.2345,  0.7891],
])
tensor([
	[ 0.3367,  0.1288],
	[-0.2345,  0.7891],
])

Пример

Сохраним состояние генератора с помощью метода get_state и восстановим его методом set_state:

import torch

g = torch.Generator()
g.manual_seed(123)

# Generate first random tensor
t1 = torch.randn(2, 2, generator=g)
print(t1)

# Save state
state = g.get_state()

# Generate second random tensor
t2 = torch.randn(2, 2, generator=g)
print(t2)

# Restore state and generate again
g.set_state(state)
t3 = torch.randn(2, 2, generator=g)
print(t3)

Результат выполнения кода:

tensor([
	[-0.1111,  0.2222],
	[-0.3333,  0.4444],
])
tensor([
	[ 0.5555, -0.6666],
	[ 0.7777, -0.8888],
])
tensor([
	[ 0.5555, -0.6666],
	[ 0.7777, -0.8888],
])

Пример

Получим текущее начальное зерно генератора с помощью метода initial_seed:

import torch

g = torch.Generator()
g.manual_seed(999)
seed_value = g.initial_seed()
print(seed_value)

Результат выполнения кода:

999

Пример

Проверим устройство генератора через атрибут device:

import torch

g = torch.Generator(device='cpu')
print(g.device)

Результат выполнения кода:

device(type='cpu')

Смотрите также

метод manual_seed,
который устанавливает начальное зерно генератора
метод seed,
который инициализирует генератор случайным зерном
метод get_state,
который возвращает текущее состояние генератора
метод set_state,
который восстанавливает состояние генератора