多个Numpy进口的全球种子

Question

假设我有一个Python项目结构：

  导入main.py

的

random_initialization.py      导入main.py

的

sample_around_solution.py

random_initialization和sample_around_solution.py导入numpy。

现在， random_initialization启动问题的随机实例，main运行算法，sample_around_solution使用解决方案周围的随机样本来计算某个指标（例如，解决方案的质量）。

我希望在两个导入的文件中都有numpy.random.seed(0)的运行的可复制性。这是正确的方法吗？我觉得可能有一些边缘情况，这是一个可怕的想法。

Answer 1

我认为除了最顶层的模块（通常是

）之外，永远不要操纵随机种子是一个好主意。

• 只有main.py的短import，有一些程序选项和配置，并调用其他内容）

• unittest

播种的单点允许做一些有用的事情，例如，

• 您可以控制将种子设置为可重复性（在您编写时）。

• 您可以控制更改种子以获得更好的覆盖率（例如，如果您将通过单元测试运行子模块）。

• 您可以将种子存储在持久存储中，这样如果某些执行出现问题，您可以重现它。

相反，如果子模块自己进行播种，则无法进行播种。我也认为这是错误的封装：而不是一个模块，它做了一些明确定义的功能X，它做X +播种。

顺便说一句，几年前我写了一篇tiny library on PyPI - UnittestRandGenState来做＆＃34; smart＆＃34; unittest的种子，然后给了它一些思考。它基本上依赖于你没有提出的建议。

Answer 2

我更喜欢模拟的每个组件都使用自己的随机数生成器。如果每个蒙特卡罗组件都有自己的模块，并且您想要模块的全局rng状态，那么您可以在模块中放置一个初始化函数：

def init_rng(seed):
    global rng
    rng = numpy.random.RandomState(seed=seed)

然后，您可以单独设置和控制每个过程，即

import componentA
import componentB
import componentC

componentA.init_rng(0)
componentB.init_rng(1)
componentC.init_rng(2)

如果你不喜欢全局变量，你也可以将你的随机过程封装在具有rng属性和初始化函数的类中。

如果所有进程共享同一个生成器，那么processA的结果可能取决于进程B生成的数字等等...