version: 0.4.0
1. 模型的可重复性问题
模型在GPU上训练, 保证数据/超参一致的情况下, 每次训练还会产生不同的结果
http://www.cnblogs.com/yongjieShi/p/9614905.html
关键是cudnn卷积行为的不确定性, 要在主函数加上这么一句
torch.backends.cudnn.deterministic = True
2. 固定seed的random cropping方式, 每次会产生不同的crop坐标
在0.4.0版本中, DataLoaderIter()有一处base_seed设置的问题, 在新版本中已经修掉, 如果需要用0.4.0版本, 那在这个位置需要在本地手动改一下
https://github.com/pytorch/pytorch/commit/146b951ec5cbbaaa0613b3cbdf32f2f819f299ba#diff-724910f4a1ffa1852a02e149b181ac22













网友评论