1
Amy 原创整理｜资料核验：2026-10-30
PyTorch 2.15 的复现说明指出，不保证跨版本、提交或不同平台完全复现；即使种子相同，CPU 与 GPU 的结果也可能不同。固定种子只是控制随机来源的一部分。
文档提供 torch.manual_seed()，并提醒 Python、NumPy 或其他库可能还有各自的随机数生成器。确定性算法设置也与单纯设置种子不同，而且可能降低运行速度。
Amy 建议：比较实验时同时保存数据划分、代码版本、依赖版本、设备信息、种子及相关设置。先在同一环境重复运行，再解释跨机器差异，避免把波动直接归因于模型改进。
这是一份实验记录方法，不承诺换上某个种子就能得到一致或更高的分数。
官方来源：
https://docs.pytorch.org/docs/2.15/notes/randomness.html