z = torch.randn(batch_size, latent_size).to(device) fake_images = G(z) outputs = D(fake_images) 这几行代码中怎么加入随机种子？

要加入随机种子，可以在生成随机张量之前设置随机种子。在使用 PyTorch 时，可以使用 `torch.manual_seed()` 函数来设置全局随机种子。例如，你可以在代码的开头添加以下行：

torch.manual_seed(42)

这将设置全局随机种子为 42，确保每次运行代码时生成的随机数是一致的。注意，这个全局随机种子将会影响到所有使用随机数的部分，包括 `torch.randn()` 函数生成的随机张量。

另外，如果你需要在生成器 `G` 和判别器 `D` 中使用不同的随机种子，可以使用 `torch.Generator` 对象来实现。你可以在创建生成器和判别器之前创建不同的生成器对象，并将其传递给相关的函数。例如：

generator_seed = torch.Generator().manual_seed(42)
discriminator_seed = torch.Generator().manual_seed(123)

z = torch.randn(batch_size, latent_size, generator=generator_seed).to(device)
fake_images = G(z)
outputs = D(fake_images, generator=discriminator_seed)

这样就可以为生成器和判别器分别设置不同的随机种子。