Функция get_rng_state

Функция get_rng_state возвращает текущее состояние генератора псевдослучайных чисел PyTorch на CPU. Состояние представлено в виде тензора типа torch.ByteTensor. Это состояние можно сохранить, а затем восстановить с помощью функции set_rng_state, чтобы воспроизвести последовательности случайных чисел. Функция не принимает никаких параметров.

Синтаксис

torch.get_rng_state()

Пример

Давайте получим текущее состояние генератора случайных чисел:

import torch

state = torch.get_rng_state()
print(state)

Результат выполнения кода:

tensor([ 0, 0, 0, ..., 0, 0, 0], dtype=torch.uint8)

Пример

Давайте сохраним состояние, сгенерируем несколько чисел, затем восстановим состояние и сгенерируем числа заново:

import torch

torch.manual_seed(0)
state = torch.get_rng_state()

t1 = torch.randint(0, 10, (3,))
print(t1)

torch.set_rng_state(state)
t2 = torch.randint(0, 10, (3,))
print(t2)

Результат выполнения кода:

tensor([4, 9, 3])
tensor([4, 9, 3])

Как видно из примера, последовательность случайных чисел полностью повторяется после восстановления состояния.

Пример

Состояние генератора можно сохранить в файл и загрузить позже:

import torch

torch.manual_seed(42)
state = torch.get_rng_state()
torch.save(state, 'rng_state.pt')

t = torch.rand(3)
print(t)

loaded_state = torch.load('rng_state.pt')
torch.set_rng_state(loaded_state)
t_restored = torch.rand(3)
print(t_restored)

Результат выполнения кода:

tensor([0.8823, 0.9150, 0.3829])
tensor([0.8823, 0.9150, 0.3829])

Смотрите также

функцию set_rng_state,
которая восстанавливает состояние генератора случайных чисел
функцию manual_seed,
которая задаёт начальное зерно для генератора случайных чисел
функцию seed,
которая инициализирует генератор случайным зерном
функцию initial_seed,
которая возвращает начальное зерно генератора