Python设置随机数种子

最新推荐文章于 2023-10-19 17:06:20 发布

江南酷哥lazy

最新推荐文章于 2023-10-19 17:06:20 发布

阅读量2.7w

点赞数 10

分类专栏：代码问题文章标签： python random

本文链接：https://blog.csdn.net/weixin_43466026/article/details/118751899

版权

代码问题专栏收录该内容

25 篇文章 0 订阅

订阅专栏

本文介绍了如何在Python中设置随机数生成器的种子以确保实验结果的一致性。通过实例展示了不同种子对随机数的影响，并重点讲解了`random.seed()`和`np.random.seed()`的用法。

摘要由CSDN通过智能技术生成

原因：使用相同种子保证每次实验生成固定的随机数，使每次实验结果一致。不同种子生成不一样的随机数。

seed = random.randint(1, 10000)
print('Random seed: {}'.format(seed))
random.seed(seed)
np.random.seed(seed)
torch.manual_seed(seed)
torch.cuda.manual_seed_all(seed)

设置方式

if torch.cuda.is_available():
    print("gpu cuda is available!")
    torch.cuda.manual_seed(1000)
else:
    print("cuda is not available! cpu is available!")
    torch.manual_seed(1000)

`random.seed()`

seed()改变随机数生成器的种子，在调用其他随机模块函数之前调用此函数
seed()没有参数时，每次生成的随机数是不一样的，seed()有参数时是一样的，不同的参数生成的随机数不一样

import random

# 随机数不一样
random.seed()
print('随机数1：',random.random())
random.seed()
print('随机数2：',random.random())

# 随机数一样
random.seed(1)
print('随机数3：',random.random())
random.seed(1)
print('随机数4：',random.random())
random.seed(2)
print('随机数5：',random.random())

'''
随机数1： 0.7643602170615428
随机数2： 0.31630323818329664
随机数3： 0.13436424411240122
随机数4： 0.13436424411240122
随机数5： 0.9560342718892494
'''

参考

`np.random.seed()

seed值设为某一定值，则np.random下随机数生成函数生成的随机数永远是不变的。更清晰的说，即当你把设置为seed(0)，则你每次运行代码第一次用np.random.rand()产生的随机数永远是0.5488135039273248；第二次用np.random.rand()产生的随机数永远是0.7151893663724195

import numpy as np
 
np.random.seed(0)
for i in range(6):
    print(np.random.rand())
 
0.5488135039273248
0.7151893663724195
0.6027633760716439
0.5448831829968969
0.4236547993389047
0.6458941130666561
 
 
np.random.seed(0)
for i in range(3):
    print(np.random.rand())
 
0.5488135039273248
0.7151893663724195
0.6027633760716439