Question

当使用numpy.random.seed（0）获得可重现的结果时，我发现了一些奇怪的东西。

import numpy as np
def a():
    print('a', np.random.rand())
    b()
def b():
    print('b', np.random.rand())
    c()
def c():
    print('c', np.random.rand())
np.random.seed(0)
a()

结果是：

a 0.5488135039273248
b 0.7151893663724195
c 0.6027633760716439

如果我将代码更改为：

import numpy as np
def a():
    np.random.seed(0)
    print('a', np.random.rand())
    b()
    print('aa', np.random.rand())
def b():
    np.random.seed(0)
    print('b', np.random.rand())
    c()
def c():
    np.random.seed(0)
    print('c', np.random.rand())

a()

结果如下：

a 0.5488135039273248
b 0.5488135039273248
c 0.5488135039273248
aa 0.7151893663724195

这真的很奇怪，我使用tensorflow来训练我的财务序列预测模型，我希望得到可重复的结果。似乎我需要在每次使用随机函数之前调用np.random.seeds（）。谁有更好的解决方案？

Answer 1

random.seed(int)

初始化一个随机生成器，它始终具有相同的“随机”数字列表。在您的代码中，您在每个过程中初始化生成器。但是当你打印aa时，你的生成器会跳转到另一个数字。

Answer 2

在每次通话之前，您正在重新初始化rng的种子。 rng的工作方式是在初始化种子后给出“随机”数字。在你的情况下，种子总是相同的，它每次只给你序列的第一个值。

我认为这是一个复制粘贴错误，因为你在第一个例子中说得对。无论如何你在这里有一些关于rng的信息。 Wikipedia RNG

使用numpy.random.seeds（0）时出现奇怪的结果？

2 个答案: