pytorch单机多GPU数据并行训练，torch.DataParallel如何设置随机种子

使用pytorch的单机多GPU数据并行方式训练，torch.DataParallel，如何设置随机种子，使得每次结果可复现？
以下是设置随机种子的代码（两种都试过且无效），我在初始化模型之前调用，但每次结果都不同，模型参数初始化是相同的，不知道哪里设置的不对。请教我这个代码需要怎么调整，或者在程序什么地方设置随机种子？
谢谢！

def set_seed(seed_num=2):
    random.seed(seed_num)
    torch.manual_seed(seed_num)
    np.random.seed(seed_num)
def set_seed(seed_num=2):
    random.seed(seed_num)
    torch.manual_seed(seed_num)
    np.random.seed(seed_num)
    os.environ['PYTHONHASHSEED'] = str(seed_num)
    torch.cuda.manual_seed(seed_num)
    torch.cuda.manual_seed_all(seed_num)
    torch.backends.cudnn.benchmark = False
    torch.backends.cudnn.deterministic = True
    torch.backends.cudnn.enabled = True

单GPU环境下随机种子能设置成功

• 文章：pytorch多gpu DataParallel 及梯度累加解决显存不平衡和显存不足问题 中也许有你想要的答案，请看下吧
• 除此之外, 这篇博客: Pytorch多GPU计算之torch.nn.DataParallel()中的 3. 如何保存和加载多GPU网络？ 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• Pytorch模型保存和加载的方法，可以看我的这篇博客。在这里不做详细的介绍了，这里只展示如何来保存和加载多GPU网络，它与普通网络有一点细微的不同。废话不多说，直接上代码:

  net = torch.nn.Linear(10,1)  # 先构造一个网络
  net = torch.nn.DataParallel(net, device_ids=[0,3])  #包裹起来
  torch.save(net.module.state_dict(), './networks/multiGPU.pt') #保存网络
  
  # 加载网络
  new_net = torch.nn.Linear(10,1)
  new_net.load_state_dict(torch.load("./networks/multiGPU.pt"))
  

  因为DataParallel实际上是一个nn.Module，所以我们在保存时需要多调用了一个net.module。