在训练seq2seq的过程中，固定了所有seed，
random.seed(args.seed)
os.environ['PYTHONHASHSEED'] =str(args.seed)
np.random.seed(args.seed)
torch.manual_seed(args.seed)
torch.cuda.manual_seed(args.seed)
torch.cuda.manual_seed_all(args.seed)
torch.backends.cudnn.deterministic =True
训练的loss，前100是一模一样的，但是100开始会慢慢出现小数点后几位的不同。
原来是decoder端在使用copy机制的时候用了torch.Tensor.scatter_add_()导致的。
目前这个方法在GPU上使用时带来的随机性没法儿避免。
https://pytorch.org/docs/stable/notes/randomness.html
