PyTorch Lightning中MPS设备种子设置问题解析
2025-05-05 22:24:20作者:殷蕙予
在使用PyTorch Lightning进行深度学习模型训练时,确保实验的可重复性是一个重要课题。本文将深入探讨在使用Apple Silicon芯片的MPS设备时如何正确设置随机种子,以及可能遇到的问题和解决方案。
随机种子的重要性
在机器学习实验中,随机种子控制着模型初始化、数据打乱等随机过程。设置相同的随机种子可以确保每次运行实验时获得相同的结果,这对于实验复现和结果验证至关重要。
传统CUDA设备的种子设置
对于NVIDIA GPU设备,通常使用以下代码设置随机种子:
def set_seed(seed):
np.random.seed(seed)
torch.manual_seed(seed)
if torch.cuda.is_available():
torch.cuda.manual_seed(seed)
torch.cuda.manual_seed_all(seed)
set_seed(42)
这段代码同时设置了CPU和所有GPU设备的随机种子,并确保CuDNN使用确定性算法。
MPS设备的特殊性
Apple Silicon芯片的MPS设备与传统的CUDA设备在架构上有显著差异。MPS设备不需要像CUDA那样分别设置每个设备的种子,因为:
- MPS设备通常被视为一个统一的计算单元
- 当前PyTorch的MPS后端没有实现
manual_seed_all
方法 - MPS设备的随机数生成机制与CUDA不同
正确的MPS种子设置方法
对于MPS设备,只需使用以下简化版的种子设置函数:
def set_seed(seed):
np.random.seed(seed)
torch.manual_seed(seed)
if torch.backends.mps.is_available():
torch.mps.manual_seed(seed)
set_seed(42)
常见问题与解决方案
递归错误分析
在尝试设置种子时可能会遇到递归错误,这通常是由于:
- 在种子设置函数内部又调用了自身
- PyTorch内部对CUDA种子的自动处理与MPS设备产生冲突
解决方案是确保种子设置函数不会递归调用自身,并简化MPS设备的种子设置逻辑。
确定性算法设置
虽然MPS设备目前不完全支持所有确定性算法,但可以尝试设置:
torch.backends.cudnn.deterministic = True
torch.backends.cudnn.benchmark = False
这些设置可能对MPS设备产生部分影响,但效果不如在CUDA设备上明显。
最佳实践建议
- 对于MPS设备,使用简化的种子设置函数
- 在代码中明确区分CUDA和MPS设备的处理逻辑
- 定期检查PyTorch版本更新,因为MPS支持在不断改进
- 对于关键实验,考虑在CPU上验证结果以确保完全确定性
通过遵循这些指导原则,可以在Apple Silicon设备上获得更好的实验可重复性,同时充分利用MPS设备的性能优势。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K