生成器#
- class torch.Generator(device='cpu')#
创建并返回一个生成器对象,该对象管理产生伪随机数的算法的状态。用作许多就地随机采样函数的关键字参数。
- 参数
device (
torch.device
, 可选) – 生成器的期望设备。- 返回
一个 torch.Generator 对象。
- 返回类型
示例
>>> g_cpu = torch.Generator() >>> g_cuda = torch.Generator(device='cuda')
- clone_state() torch.Generator #
克隆生成器的当前状态,并返回一个指向该克隆状态的新生成器。此方法有利于保存生成器的特定状态,以便稍后恢复。
- 返回
指向新克隆状态的生成器。
- 返回类型
示例
>>> g_cuda = torch.Generator(device='cuda') >>> cloned_state = g_cuda.clone_state()
- device#
Generator.device -> device
获取生成器的当前设备。
示例
>>> g_cpu = torch.Generator() >>> g_cpu.device device(type='cpu')
- get_state() Tensor #
将生成器状态作为
torch.ByteTensor
返回。- 返回
一个
torch.ByteTensor
,其中包含将生成器恢复到特定时间点的所有必要位。- 返回类型
示例
>>> g_cpu = torch.Generator() >>> g_cpu.get_state()
- graphsafe_get_state() torch.Generator #
以一种对图捕获安全的方式检索生成器的当前状态。此方法对于确保生成器的状态可以被 CUDA 图捕获至关重要。
- 返回
指向生成器当前状态的生成器
- 返回类型
示例
>>> g_cuda = torch.Generator(device='cuda') >>> current_state = g_cuda.graphsafe_get_state()
- graphsafe_set_state(state) None #
以一种对图捕获安全的方式将生成器的状态设置为指定状态。此方法对于确保生成器的状态可以被 CUDA 图捕获至关重要。
- 参数
state (torch.Generator) – 指向生成器新状态的生成器,通常从 graphsafe_get_state 获取。
示例
>>> g_cuda = torch.Generator(device='cuda') >>> g_cuda_other = torch.Generator(device='cuda') >>> current_state = g_cuda_other.graphsafe_get_state() >>> g_cuda.graphsafe_set_state(current_state)
- initial_seed() int #
返回用于生成随机数的初始种子。
示例
>>> g_cpu = torch.Generator() >>> g_cpu.initial_seed() 2147483647
- manual_seed(seed) Generator #
设置用于生成随机数的种子。返回一个 torch.Generator 对象。任何 32 位整数都是有效的种子。
- 参数
seed (int) – The desired seed. Value must be within the inclusive range [-0x8000_0000_0000_0000, 0xffff_ffff_ffff_ffff]. Otherwise, a RuntimeError is raised. Negative inputs are remapped to positive values with the formula 0xffff_ffff_ffff_ffff + seed.
- 返回
一个 torch.Generator 对象。
- 返回类型
示例
>>> g_cpu = torch.Generator() >>> g_cpu.manual_seed(2147483647)
- seed() int #
从 std::random_device 或当前时间获取一个非确定性随机数,并用它来播种生成器。
示例
>>> g_cpu = torch.Generator() >>> g_cpu.seed() 1516516984916
- set_state(new_state) void #
设置生成器的状态。
- 参数
new_state (torch.ByteTensor) – 期望的状态。
示例
>>> g_cpu = torch.Generator() >>> g_cpu_other = torch.Generator() >>> g_cpu.set_state(g_cpu_other.get_state())