待验证50% 置信事实精确时间
即使固定随机种子，GPU上的非确定性算子（如某些cuDNN卷积算法、原子加法）仍可能引入微小差异，导致结果无法逐位复现。
1
来源数
50%
置信度
长期有效
时效性
2026/11/2
首次发现
来源
涉及实体
相关事实
待验证设置随机种子只能保证初始化、数据顺序和显式随机采样的一致性，无法消除反向传播中浮点并行计算导致的不确定性75% 相似待验证即使固定PyTorch或TensorFlow的随机种子，若不设置torch.backends.cudnn.deterministic = True，计算结果仍可能因硬件调度差异无法完全复现74% 相似已验证即便将Temperature设为0（贪婪解码），现代GPU的并行浮点运算顺序仍可能导致结果微小差异74% 相似待验证在GPU大规模矩阵运算中，浮点加法的结合律不严格成立，不同的并行归约顺序、batch大小和显存调度会导致logits出现微小差异73% 相似待验证非确定性指同一输入在不同运行中可能产生略有差异的输出，在使用GPU并行计算、dropout层或随机采样策略的模型中尤为常见73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1125900API
curl https://kongchang.com/api/v1/knowledge/claims/1125900MCP
get_claim(id=1125900)