随机种子——你理解的随机并不随机

在一个TextRNN的LSTM深度学习demo代码中，发现了这几行代码。

    np.random.seed(1)
    torch.manual_seed(1)
    torch.cuda.manual_seed_all(1)
    torch.backends.cudnn.deterministic = True  # 保证每次结果一样

在机器学习中，某些操作如参数初始化、数据处理会依赖随机性，使用随机种子可以确保每次运行时的随机数序列相同，方便调试、实验结果复现和验证都非常重要。

np.random.seed(1) 设置numpy的随机种子为1

torch.manual_seed(1)：设置了 PyTorch 的随机种子为 1

torch.cuda.manual_seed_all(1)：设置了 PyTorch 在 GPU 上的随机种子为 1

torch.backends.cudnn.deterministic = True：设置了 PyTorch 使用 cuDNN 库时的行为为确定性模式

随机种子（random seed）是在随机数生成过程中用于初始化伪随机数生成器的起始值，相同的种子下，生成的随机数序列将是确定性的。

有感而发：日常中的赌博游戏，会不会存在一种由庄家制定好的规则，看似随机性，实际程序已经掌握了所有的种子，知道每一步发展的趋势，而游戏中的人的任何操作引发下一步结果也都是在掌握之中的。庄家制定的局，绝不会是亏本买卖。游戏赌博都是极短时间内的心理博弈，而处于穷困中的人更加容易丧失理智。