我使用了一些类似于以下的代码—用于数据扩充:
from torchvision import transforms
#...
augmentation = transforms.Compose([
transforms.RandomApply([
transforms.RandomRotation([-30, 30])
], p=0.5),
transforms.RandomHorizontalFlip(p=0.5),
])
在测试过程中,每次更改模型训练设置时,我都希望修复随机值以再现相同的随机参数。我该怎么做?你知道吗
我想做一些类似于np.random.seed(0)
的事情,所以每次我第一次用概率调用随机函数时,它都会以相同的旋转角度和概率运行。换句话说,如果我根本不更改代码,那么当我重新运行它时,它必须复制相同的结果。你知道吗
或者,我可以分离变换,使用p=1
,将角度min
和max
固定到一个特定的值,并使用numpy随机数来生成结果,但我的问题是,我是否可以保持上面的代码不变。你知道吗
在dataset类的
__getitem__
中创建一个numpy随机种子。你知道吗相关问题 更多 >
编程相关推荐