python - 修复 torchvision 变换的随机种子

Question

我使用一些类似于以下的代码 - 用于数据增强:

    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，我想修复随机值，以在每次更改模型训练设置时重现相同的随机参数。我该怎么做？

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，它必须重现相同的结果。

或者，我可以分离变换，使用p=1，将角度min和max固定为特定值并使用numpy随机数生成结果，但我的问题是我是否可以保持上面的代码不变。

Answer 1

在数据集类的 __getitem__ 中创建一个 numpy 随机种子。

def __getitem__(self, index):      
    img = io.imread(self.labels.iloc[index,0])
    target = self.labels.iloc[index,1]

    seed = np.random.randint(2147483647) # make a seed with numpy generator 
    random.seed(seed) # apply this seed to img transforms
    if self.transform is not None:
        img = self.transform(img)

    random.seed(seed) # apply this seed to target transforms
    if self.target_transform is not None:
        target = self.target_transform(target)

    return img, target