诚然，百度提供的paddle+aistudio是一个很好的深度学习平台，但是在使用中发现随机种子好像失效的问题。
在pyotrch中可以可以固定随机种子，在保持各种配置不变的情况下，无论训练多少次都能够保证训练过程是一致的，比如每轮的loss、精度等与前几次训练都是相同的。
下面是关于这个问题的一些连接：
https://aistudio.baidu.com/paddle/forum/topic/show/987738
https://aistudio.baidu.com/paddle/forum/topic/show/990814
实验一：CPU能对齐
paddle可以通过paddle.seed(seed)设置paddlepaddle随机种子，通过一些实验，如果使用cpu训练，则能够保证可复现性。
这至少说明我的代码是没有问题的，不存在输入不同等原因。
但是设备设为GPU，则无法对齐。
实验二：在非aistudio平台测试
这次使用一台3090进行测试，使用paddle.seed(seed)固定随机种子，发现能够对齐，屁！之前是epoch设置太小，稍微大一点还是无法对齐
终极解决方法
就目前来看，paddle仅在CPU上可以通过随机种子对齐的，在GPU上无法对齐。
根据分析，是GPU上的cuDNN造成卷积算子等不定性，所以可以设定确定的卷积算子：
export FLAGS_cudnn_deterministic=True
因为不定性算子就是在找最有算子计算，一但确定了那么速度可能就会慢了，到底慢多少这个就不确定了
首先，在终端设置环境变量
aistudio@jupyter-368487-6009734:~$ export FLAGS_cudnn_deterministic=True
在python加入检测，防止环境变量掉了
在主文件开头加入下面的代码，意思是查询环境变量中是否有FLAGS_cudnn_deterministic这个，没有证明掉了则触发异常，此时再次在终端设置环境变量即可。
import os
assert os.environ.get('FLAGS_cudnn_deterministic'),print("请设置$:export FLAGS_cudnn_deterministic=True")
print("存在环境变量FLAGS_cudnn_deterministic=True")