一般场景的训练模型都是包括随机种子、数据集Shuffle、网络结构Dropout等操作的，目的是在网络阶段引入一定的随机性使得训练结果更加具有鲁棒性。然而在精度诊断或者对齐阶段，这些随机性会导致训练运行结果每次表现不一致，无法进行和标杆的比对。因此在训练模型复现问题时，需要固定存在随机性的步骤，保证实验可重复性。存在随机性的步骤包括模型参数初始化，数据Batch加载顺序，Dropout层等。部分算子的计算结果也存在不确定性，需要固定。

当前固定随机性操作可分为工具固定和人工固定两种。

1. 工具固定Seed

   对于网络中随机性的固定，Msprobe提供了固定Seed的方式，只需要在config.json文件中添加对应seed配置即可。

   Msprobe工具提供了seed_all接口用于固定网络中的随机数。如果客户使用了工具但取用了其他随机种子，则必须使用客户的随机种子固定随机性。

   函数原型

   from msprobe.pytorch.common import seed_all
   seed_all(seed=1234, mode=False)

   表1 参数说明

   参数名	说明	是否必选
   seed	随机数种子。参数示例：seed=1000。默认值：1234。	否
   mode	确定性计算模式。可配置True或False。参数示例：mode=True。默认值：False。 即使在相同的硬件和输入下，API多次执行的结果也可能不同，开启确定性计算是为了保证在相同的硬件和输入下，API多次执行的结果相同。 确定性计算会导致API执行性能降低，通常不需要在精度问题刚开始定位时就开启，而是建议在发现模型多次执行结果不同的情况下时再开启。 rnn类算子、ReduceSum、ReduceMean等算子可能与确定性计算存在冲突，如果开启确定性计算后多次执行的结果不相同，则考虑存在这些算子。	否

   函数示例

   seed_all函数的随机数种子，取默认值即可，无须配置；第二个参数默认关闭，不开启确定性计算时也无须配置。

   确定性计算是NPU的一套机制，用于保证算子的计算确定性。之所以要有这个机制，是为了在Debug过程中，让所有的算子计算结果前后完全一致可复现，这是大多数精度问题分析的重要前提。因此，在精度问题定位过程中，确定性计算不是目的，而是手段。很多场景下需要在确定性计算使能的情况下，进行下一步的精度问题分析定位。Cuda对部分算子实现了确定性计算，但仍有部分算子无法固定。通常需要依赖确定性计算的场景是长稳问题，因为长稳问题需要通过多次长跑来分析Loss情况，这时候如果NPU本身计算结果不确定，就难以支撑和GPU结果的多次对比。

   示例1：仅固定随机数，不开启确定性计算。

   seed_all()

   示例2：固定随机数，开启确定性计算。

   seed_all(mode=True)

   在多卡训练场景下由于通信算子计算累加计算顺序不确定，需要添加以下环境变量，固定通信算子计算的确定性：

   export HCCL_DETERMINISTIC=TRUE

   固定随机数范围

   seed_all函数可固定随机数的范围如下表所示。

   API	固定随机数
   os.environ['PYTHONHASHSEED'] = str(seed)	禁止Python中的hash随机化。
   random.seed(seed)	设置random随机生成器的种子。
   np.random.seed(seed)	设置numpy中随机生成器的种子。
   torch.manual_seed(seed)	设置当前CPU的随机种子。
   torch.cuda.manual_seed(seed)	设置当前GPU的随机种子。
   torch.cuda.manual_seed_all(seed)	设置所有GPU的随机种子。
   torch_npu.npu.manual_seed(seed)	设置当前NPU的随机种子。
   torch_npu.npu.manual_seed_all(seed)	设置所有NPU的随机种子。
   torch.backends.cudnn.enable=False	关闭cuDNN。
   torch.backends.cudnn.benchmark=False	cuDNN确定性地选择算法。
   torch.backends.cudnn.deterministic=True	cuDNN仅使用确定性的卷积算法。

2. 工具固定（Dropout）

   Dropout的实质是以一定概率使得输入网络的数据某些位置元素的数值变为0，这样可以使得模型训练更加有效。但在精度问题的定位过程之中，需要避免产生这种问题，因此需要关闭Dropout。

   在导入PrecisionDebugger后，工具会自动将如下接口参数p（丢弃概率）置为0。

   torch.nn.functional.dropout
   torch.nn.functional.dropout2d
   torch.nn.functional.dropout3d
   torch.nn.Dropout
   torch.nn.Dropout2d
   torch.nn.Dropout3d

3. 人工固定（硬件随机差异）

   工具内部对于随机的控制，是通过设定统一的随机种子进行随机性固定的。但是由于硬件的差异，会导致同样的随机种子在不同硬件上生成的随机数不同。具体示例如下：

   

   

   由上图可见，torch.randn在GPU和NPU上固定随机种子后，仍然生成不同的随机张量。

   对于上述场景，用户需要将网络中的randn在CPU上完成后再转到对应device。例如，StableDiffusion中需要在forward过程中逐步生成随机噪声。

   

   

   这样在Host侧生成的随机张量能够保证一样，搬移到NPU或者GPU设备上仍然一样。

   固定随机性完成后，可以使用缩小的模型在单机环境进行问题复现。复现后使用下一章节介绍的msprobe工具进行问题定位。需要注意的是，部分模型算法本身存在固有的随机性，在使用上述方法固定随机性后，如果使用工具也未能找到出问题的API，需要分析是否由算法本身的随机性导致。