随机数种子seed确定时，模型的训练结果将始终保持一致。
随机数种子seed确定时使用相同的网络结构，跑出来的效果完全不同，用的学习率，迭代次数，batch size 都是一样。
torch.backends.cudnn.deterministic是啥？顾名思义，将这个 flag 置为True的话，每次返回的卷积算法将是确定的，即默认算法。如果配合上设置 Torch 的随机种子为固定值的话，应该可以保证每次运行网络的时候相同输入的输出是固定的，代码大致这样
4种随机种子
import torch.backends.cudnn as cudnn
random.seed(opt.manualSeed)
np.random.seed(opt.manualSeed)
torch.manual_seed(opt.manualSeed)
torch.cuda.manual_seed(opt.manualSeed)
cudnn.deterministic = True
，torch.cuda.device_count()，torch.cuda.get_device_name(0))
)
)
)
时间单位(ms μs ns ps)长度单位(dm cm mm μm nm pm fm am zm ym))
