@thinkershare #16 hello,补充了环境到这里
https://111qqz.com/2023/12/cupy-torch-import-order-impact/#%E6%B5%8B%E8%AF%95%E7%8E%AF%E5%A2%83

@thinkershare #16 周来忙别的就暂时没有再跟进这个问题了
稍晚一点我把 conda list 还有相关的版本也更新一下

单纯看电子书的话,小米平板 1 挺好的,去年刚买了个拿来用(

@AirCrusher #14
1. 只用一个 torch.matmul 无法复现问题.
甚至两个 linear 的参数也会影响问题的复现.
基本上第二个 linear 的参数的输出是 1 才会复现,如果是其他值,先后 import 不会对结果有影响.

2. 随机种子和`torch.use_deterministic_algorithms(True)` 都设置了.
以及设置了如下这些:

```python

def set_random_seed(seed: int):
"""Set random seed.

Args:
seed (int): Seed to be used.
"""
random.seed(seed)
np.random.seed(seed)
torch.manual_seed(seed)
torch.cuda.manual_seed(seed)
torch.cuda.manual_seed_all(seed)
torch.backends.cudnn.deterministic = True # type: ignore
torch.backends.cudnn.benchmark = False # type: ignore
torch.backends.cudnn.enabled = False # type: ignore
cp.random.seed(seed)


```

问题还是可以复现.

@thinkershare #9 非常感谢协助排查.
不同机器上的结果似乎确实是会不一致的, 之前遇到过使用两种不同型号的 A100GPU 时(A100-PCIE-40GB vs A100-SXM4-40GB),Adam 优化器的结果会有明显区别.

我打算先看看对齐下 CUDA 版本来验证下,确保 cupy 和 torch 使用的是同一个 cuda 版本.
如果还是不行, 打算尝试下你后面提到的步骤
有了更新会 at 你

再次感谢

某 bg 的话,校招生薪资=1 siza=61W (

@thinkershare #4 最开始我也怀疑是种子. 但是种子应该已经设置相同了,而且种子对结果的差异应该比这个要大

@thinkershare #6 感谢,已补充

@nagisaushio 一样的。同样的代码结果可以稳定出现，没有任何误差

只完成了 8 笔,还差一笔(

有的,还在一直闪屏

不记,也不做笔记
用得到的内容会反复出现
不重要的内容也没必要记住

感觉你 mentor 的方案更好一点?
另外盲猜 op 是 OI/XCPC 选手?

https://www.gov.cn/flfg/2007-06/29/content_669394.htm
通读几遍劳动合同法
建议和 HR 谈的时候把法条打印出来,给 HR 普普法(
记得全程录音
就问 HR 是不是非法解除劳动合同,HR 大概率说不是,是"协商离职"
协商离职是给多少都可以,没有统一的标准. 你就坚持,如果不是协商离职请按法律来,如果是协商离职,没有 2*n 我不同意

不是,可以直接用,别用来折腾 linux

@passive #4 GCJ 已经没了吧...