python中的随机数种子seed()

た入场券 2024-04-18 11:08 14阅读 0赞

栗子1：

import numpy as np
    import random
    random.seed(0)
    
    np.random.seed(0)
    print(np.random.rand(2))
    print(np.random.rand(2))

结果为：

[0.5488135  0.71518937]
    [0.60276338 0.54488318]

再次运行结果为：

[0.5488135  0.71518937]
    [0.60276338 0.54488318]

想要在同一个程序中产生同一组随机数,需要在下一个函数设置一个相同的随机种子

import numpy as np
    import random
    random.seed(0)
    
    np.random.seed(0)
    print(np.random.rand(2))
    np.random.seed(0)
    print(np.random.rand(2))

结果为：

[0.5488135  0.71518937]
    [0.5488135  0.71518937]

栗子2：

import random
    random.seed(0)
    
    print("1: ", random.random())
    # 生成同一个随机数
    random.seed(0)
    print("2: ", random.random())
    print("3: ", random.random())
    print("4: ", random.random())
    # 生成同一个随机数
    random.seed(0)
    print("5: ", random.random())
    print("6: ", random.random())
    print("7: ", random.random())

结果为：

1:  0.8444218515250481
    2:  0.8444218515250481
    3:  0.7579544029403025
    4:  0.420571580830845
    5:  0.8444218515250481
    6:  0.7579544029403025
    7:  0.420571580830845

random.seed(0)，其中的0是对应的随机数的种子，如果不设置这个值，则系统根据时间来自己选择这个值，此时每次生成的随机数因时间差异而不同。  
生成的结果与代码运行的的次数没有什么关系。分析结果可知，输出值相同，与距离随机数种子间隔也相同。由以上分析可见，1,2,5相同；3,6相同；4、7相同。

发表评论取消回复

表情：

评论列表（有 0 条评论，14人围观）

还没有评论，来说两句吧...

相关阅读

相关 python中的随机数种子seed()

子1： import numpy as np import random random.seed(0) np.random.s...

た入场券/ 2024年04月18日 11:08/ 0 赞/ 15 阅读

相关 torch中的随机数种子

> 如何在torch生成随机数时，设置随机种子，要求每次调用生成的随机数都一样在 PyTorch 中，可以使用 `torch.manual_seed(seed)` 函数设置

末蓝、/ 2024年02月17日 13:12/ 0 赞/ 7 阅读

相关 c语言自定义随机种子,C++ 随机数与随机种子数的实例

C++ 随机数与随机种子数的实例实现效果图：实例代码： \include \include \include using namespace std; voi

红太狼/ 2022年10月15日 00:58/ 0 赞/ 138 阅读

相关 python中的随机数

老是忘记各种生成随机数，mark一下 1.随机生成一个指定范围内的整数 LOW = 0 HIGH = 10 loc_instance = np.ra

港控/mmm°/ 2022年09月14日 00:25/ 0 赞/ 173 阅读

相关 Pytorch：生成随机数种子，torch.mamual_seed()、torch.cuda.manual_seed()、torch.cuda.manual_seed_all()解析

前言在神经网络中，参数默认是进行随机初始化的。如果不设置的话每次训练时的初始化都是随机的，导致结果不确定。如果设置初始化，则每次初始化都是固定的。实际上，计算机并不

ゝ一纸荒年。/ 2022年09月04日 02:51/ 0 赞/ 97 阅读

相关 go使用时间作为种子生成随机数

go使用时间作为种子生成随机数设置时间种子使用time包生成随机数需要math/rand包打印输出使用fmt包不设置时间种子的话，每次生成的rand值相

偏执的太偏执、/ 2022年08月21日 02:19/ 0 赞/ 104 阅读

相关 random.seed()的作用（python）

random.seed(1)作用：使得随机数据可预测，即只要seed的值一样，后续生成的随机数都一样。当我们设置相同的seed，每次生成的随机数相同。如果不设置seed，

心已赠人/ 2021年10月15日 04:12/ 0 赞/ 355 阅读

相关 Java random随机数/ seed 种子 / System.nanoTime() 的理解与使用

伪随机（preundorandom）：通过算法产生的随机数都是伪随机！！只有通过真实的随机事件产生的随机数才是真随机！！比如，通过机器的[硬件噪声产生随机数][Link 1

我会带着你远行/ 2021年09月25日 02:42/ 0 赞/ 236 阅读

相关关于随机种子random.seed()测试 pytorch完全设置随机种子

测试： ![这里写图片描述][70]![这里写图片描述][70 1]![这里写图片描述][70 2] 可以看到random.seed()对于import的文件同样有用。

Dear 丶/ 2021年09月16日 00:12/ 0 赞/ 530 阅读

相关 nump中的为随机数产生器的seed

在python的程序中，发现了如下的伪随机数产生的代码 rng = numpy.random.RandomState(23355) arrayA = rng

深藏阁楼爱情的钟/ 2021年07月17日 00:41/ 0 赞/ 219 阅读