我正在使用numpy.random进行蒙特卡洛模拟，在该模拟中，很小的接受/拒绝概率是可能的。尽管我正在播种RNG，但无法重现相同的随机数序列。在numpy 1.15.1的文档中说：
兼容性保证：固定的种子和固定的一系列调用 使用相同参数的“ RandomState”方法将始终产生 除取整值外，直到舍入误差为止，结果相同 不正确不正确的值将被修复，并且NumPy版本位于 修复程序将在相关文档字符串中注明。 扩展现有参数范围并添加新参数 只要先前的行为保持不变，就可以使用这些参数。
首先，不正确的值表示什么？第二，舍入错误如何处理？价值观不是总是以完全相同的方式四舍五入吗？即使提供了种子，我的代码是否也可能没有完全确定性？我确定种子不会在其他地方重置，因为我将RNG对象作为参数提供给每个函数。
编辑：事实证明我在仿真中使用set（）。我相信这就是我缺乏确定性的地方。