代码之家 › 专栏 › 技术社区 › Bill

临时修复后恢复为随机种子的最佳方法?

seed random numpy python

3

Bill · 技术社区 · 6 年前

这是唯一一种“未看到”随机数生成器的方法:

np.random.seed(int(time.time()))

如果你有一些你想在一个循环中重复的代码(例如一个测试),而其他的代码你想在每个循环中都是随机的,那么你如何在设置之后将种子“重置”为随机数生成器呢?

import numpy as np

def test():
    np.random.seed(2)
    print("Repeatable test:", [np.random.randint(10) for i in range(3)])

for i in range(4):
    print("Random number:", np.random.randint(10))
    test()

Random number: 8
Repeatable test: [8, 8, 6]
Random number: 2
Repeatable test: [8, 8, 6]
Random number: 2
Repeatable test: [8, 8, 6]
Random number: 2
Repeatable test: [8, 8, 6]

期望结果:我希望随机数是随机的每个循环。

我很高兴导入时间模块,如果这是唯一的方法,但我认为可能有一个更简单,更强大的方法。

this post )

1 回复 | 直到 6 年前

1

11

user2357112 6 年前

你走错了路。而不是试图取消查看 numpy.random separate RNG 对于需要重复的部分。这个RNG可以有一个完全独立于默认RNG:

def test():
    rng = numpy.random.RandomState(2)
    print("Repeatable test:", [rng.randint(10) for i in range(3)])

虽然从技术上讲,保存和恢复全球经济的状态是可能的

# Don't abuse this.
state = numpy.random.get_state()
do_stuff()
numpy.random.set_state(state)

2

0

johnnyasd12 4 年前

另一种方法

可以分别为每个循环生成随机种子,但如果在循环内生成种子,则在第一次迭代后将获得相同的种子值。

import numpy as np

def test():
    np.random.seed(2)
    print("Repeatable test:", [np.random.randint(10) for i in range(3)])

n_loop = 4
max_rand_int = 1000*n_loop # i think this is enough
seeds = np.random.randint(max_rand_int, size=n_loop) # make list of seeds
for i in range(n_loop):
    print("Random number:", np.random.randint(10))
    test()
    seed = seeds[i]
    np.random.seed(seed)

3

0

Artem Bernatskyi second 3 年前

Random 对象。

myrandom = random.Random(myseed)

random 模块管理自己的 Random ,将不受对所做更改的影响 myrandom .