解读numpy.random.seed()

np.random.seed(0) 使随机数可预测

>>> numpy.random.seed(0) ; numpy.random.rand(4)
array([ 0.55,  0.72,  0.6 ,  0.54])
>>> numpy.random.seed(0) ; numpy.random.rand(4)
array([ 0.55,  0.72,  0.6 ,  0.54])

随着种子重置（每次），每次都会出现相同的一组数字。

如果未重置随机种子，则每次调用都会出现不同的数字：

>>> numpy.random.rand(4)
array([ 0.42,  0.65,  0.44,  0.89])
>>> numpy.random.rand(4)
array([ 0.96,  0.38,  0.79,  0.53])

（伪）随机数的工作原理是从一个数字（种子）开始，将其乘以一个大数，添加一个偏移量，然后对该总和取模。然后将得到的数字用作生成下一个“随机”数字的种子。当你设置种子（每次）时，它每次都做同样的事情，给你同样的数字。

如果您想要看似随机的数字，请不要设置种子。但是，如果您的代码使用要调试的随机数，那么在每次运行之前设置种子会非常有帮助，这样代码每次运行时都会执行相同的操作。

要为每次运行获取最多的随机数，请调用 numpy.random.seed()。这将导致 numpy 将种子设置为从 /dev/urandom 或其 Windows 模拟获得的随机数，或者，如果这些都不可用，它将使用时钟。