随机种子mp.random.seed()

np.random.seed()的参数不同，记录的代码也不同

import numpy as np
np.random.seed(3)
# np.random,rand(d0, d1, d2,..) 返回一个指定shape size的ndarray  注意与np.random.randint(low, hige, size)生成随机序列数组函数的参数区别
a = np.random.rand(1)
np.random.seed(34)
b = np.random.rand(1)
np.random.seed(3)
c = np.random.rand(1)
np.random.seed(34)
d = np.random.rand(1)
print(a)   
print(b)
print(c)
print(d)

只要设置了seed，后面的 所有随机函数，就会被记录下来，当代码块重新加载时，随机数不变

无论执行多少次程序，上述程序的执行均不变

# 执行结果如下
[0.5507979]
[0.03856168]
[0.5507979]
[0.03856168]

应用

在KNN算法 手写数字识别（0 ~ 10）的案例中，将feature target打乱， 但是还必须保证原本的对应关系不变

import numpy as np
np.random.seed(10)
# shuffle 洗牌 
feature = np.random.shuffle(feature)
np.random.seed(10)
target = np.random.shuffle(target)