Question

像C ++这样的语言要求程序员设置随机数生成器的种子，否则它的输出将始终相同。但是，像numpy这样的库不需要您手动初始化种子。

例如，代码如下：

from numpy.random import rand
rand()

每次给出不同的结果。

这是否意味着每次致电numpy.random.RandomState(seed=None)时都会调用rand？

Answer 1

这是否意味着每次调用rand时都会调用numpy.random.RandomState(seed=None)？

不，这意味着RandomState在启动时播种一次。如果每次调用rand时重新播种，那么就无法明确地询问是否有可重复的模式。

Python stdlib的random模块也是如此。

而且，尽管你对C ++有什么看法，但对于C ++ stdlib的<random>函数，它的也是。

所有这些都证明默认种子，如果你不做任何事情，来自系统时间或系统熵生成器（如大多数* nix系统上的/dev/random）。

对于C rand来说情况并非如此（C ++中仍然存在这种情况，尽管您应该将其视为已弃用的^*），但仅仅因为C消失了要求启动必须相当于调用srand(1)。

如果您对＆＃34;启动时的确切感兴趣＆＃34;适用于NumPy：

在numpy.random模块的顶层（在您的代码中第一次运行import numpy.random或from numpy.random import something时），它会构建一个全局RandomState，默认参数（意思是seed=None）。
RandomState的初始化程序只是将seed参数传递给seed方法。
RandomState.seed在使用None进行调用时，会为您的平台使用适当的系统熵源（例如/dev/urandom）。
当您致电顶级rand时，它会使用全局RandomState。

_{*不是因为这个问题;它很容易记住在你的程序开始时调用srand。但PRNG显然不能保证周期长度超过32767，无偏差分布等等几乎对任何事情都是一个坏主意......}

Answer 2

numpy.random模块类似于Python标准库中的random模块，因为numpy.random中的函数是隐藏生成器对象的绑定方法，当您导入时，它会被实例化。模块。这个隐藏的numpy.random.RandomState实例目前存在于np.random.mtrand._rand中（尽管在未来的numpy版本中你不应该依赖它）：

print(np.random.rand)
# <built-in method rand of mtrand.RandomState object at 0x7f50ced03660>

# note the same memory address of the RandomState object:
print(np.random.mtrand._rand)
# <mtrand.RandomState object at 0x7f50ced03660>

导入模块时，隐藏的RandomState实例将仅一次播种（除非您使用np.random.seed()显式设置种子）。如果每次调用rand()时都选择了新种子，那么将无法创建可重现的伪随机数序列。

情况如下：

# implicit RandomState created and seeded from numpy import random # # we could subsequently re-seed the hidden RandomState, e.g.: # random.seed(None) # different random variates r1 = random.rand(1) r2 = random.rand(1) r3 = random.rand(1) # ...

自动播种相当于np.random.RandomState(None)，它使用一些与平台相关的随机源（通常在* nix上/dev/urandom）来设置种子。

每当调用rand（）时，是否会自动调用numpy.random.RandomState（）？

2 个答案: