如何在多次运行中重现 RNN 结果？

Question

我连续两次在相同的输入上调用相同的模型，但我没有得到相同的结果，这个模型有nn.GRU 层，所以我怀疑它有一些内部状态应该在第二次运行之前释放？

如何重置 RNN 隐藏状态以使其与最初加载模型时相同？

更新：

一些上下文：

我正在尝试从这里运行模型：

https://github.com/erogol/WaveRNN/blob/master/models/wavernn.py#L93

我正在打电话给generate：

https://github.com/erogol/WaveRNN/blob/master/models/wavernn.py#L148

这里实际上有一些在 pytorch 中使用随机生成器的代码：

https://github.com/erogol/WaveRNN/blob/master/models/wavernn.py#L200

https://github.com/erogol/WaveRNN/blob/master/utils/distribution.py#L110

https://github.com/erogol/WaveRNN/blob/master/utils/distribution.py#L129

我已放置（我正在 CPU 上运行代码）：

torch.manual_seed(0)
torch.cuda.manual_seed_all(0)
torch.backends.cudnn.deterministic = True
torch.backends.cudnn.benchmark = False
np.random.seed(0)

在

https://github.com/erogol/WaveRNN/blob/master/utils/distribution.py

在所有导入之后。

我检查了运行之间的 GRU 权重，它们是相同的：

https://github.com/erogol/WaveRNN/blob/master/models/wavernn.py#L153

我还检查了运行之间的logits 和sample 和logits 相同但sample 不同，所以@Andrew Naguib 似乎对随机播种是正确的，但我不确定代码在哪里应该放置修复随机种子吗？

https://github.com/erogol/WaveRNN/blob/master/models/wavernn.py#L200

更新 2：

我已将种子 init 放入 generate，现在结果一致：

https://github.com/erogol/WaveRNN/blob/master/models/wavernn.py#L148

Answer 1

我相信这可能与Random Seeding 高度相关。为确保结果可重现 (as stated by them)，您必须像这样播种 torch：

import torch
torch.manual_seed(0)

还有CuDNN 模块。

torch.backends.cudnn.deterministic = True
torch.backends.cudnn.benchmark = False

如果你使用numpy，你也可以这样做：

import numpy as np
np.random.seed(0)

但是，他们警告您：

确定性模式可能会对性能产生影响，具体取决于您的模型。

---

我经常使用的一个建议的脚本在重现结果方面效果很好：

# imports
import numpy as np
import random
import torch
# ...
""" Set Random Seed """
if args.random_seed is not None:
    """Following seeding lines of code are to ensure reproducible results 
       Seeding the two pseudorandom number generators involved in PyTorch"""
    random.seed(args.random_seed)
    np.random.seed(args.random_seed)
    torch.manual_seed(args.random_seed)
    # https://pytorch.org/docs/master/notes/randomness.html#cudnn
    if not args.cpu_only:
        torch.cuda.manual_seed(args.random_seed)
        cudnn.deterministic = True
        cudnn.benchmark = False

Answer 2

您可以使用model.init_hidden() 重置RNN隐藏状态。

def init_hidden(self):
     # Initialize hidden and cell states
     return Variable(torch.zeros(num_layers, batch_size, hidden_size))

因此，在下次对相同数据调用相同模型之前，您可以调用 model.init_hidden() 将隐藏状态和单元状态重置为初始值。

这将清除历史，换句话说，就是模型第一次在数据上运行后学习到的权重。