轉載博文鏈接:https://blog.csdn.net/weixin_38171245/article/details/99807417
------------恢復內容開始------------
首先顯示一段代碼：
import numpy as np
num = 0
while(num<5):
np.random.seed(1)
print(np.random.random())
num += 1
print('-------------------------')
num1 = 0
np.random.seed(2)
while(num1<5):
print(np.random.random())
num1 += 1
運行結果：
0.417022004702574
0.417022004702574
0.417022004702574
0.417022004702574
0.417022004702574
-------------------------
0.43599490214200376
0.025926231827891333
0.5496624778787091
0.4353223926182769
0.42036780208748903
Process finished with exit code 0
講解：
seed( ) 用於指定隨機數生成時所用算法開始的整數值。
1.如果使用相同的seed( )值，則每次生成的隨即數都相同；
2.如果不設置這個值，則系統根據時間來自己選擇這個值，此時每次生成的隨機數因時間差異而不同。
3.設置的seed()值僅一次有效
所謂隨機數其實是偽隨機數，所謂的‘偽’，意思是這些數其實是有規律的，只不過因為算法規律太復雜，很難看出來。再厲害的算法，沒有一個初始值，它也不可能憑空造出一系列隨機數來，我們說的種子就是這個初始值。
random隨機數是這樣生成的：我們將這套復雜的算法（是叫隨機數生成器吧）看成一個黑盒，把我們准備好的種子扔進去，它會返給你兩個東西，一個是你想要的隨機數，另一個是保證能生成下一個隨機數的新的種子，把新的種子放進黑盒，又得到一個新的隨機數和一個新的種子，從此在生成隨機數的路上越走越遠。
再看我們的代碼：
第一段代碼把對種子的設置放在了循環里面，每次執行循環都旗幟鮮明地告訴黑盒：“我的種子是1”。那么很顯然：同一個黑盒，同一個種子，自然得到的是同一個隨機數。
第二段代碼把對種子的設置放在了循環外面，他只在第一次循環的時候明確地告訴黑盒：“我的種子是2”。那么也很顯然：從第二次循環開始，黑盒用的就是自己生成的新種子了。
多說一句：因為黑盒是始終如一的，所以只要你沒改變種子，那么你得到的隨機數就不會改變。
沒有特殊需求的話，還是老老實實地用Python自動選擇的種子吧，省心又省力。
深入理解：
在使用numpy時，難免會用到隨機數生成器。一直對np.random.seed()，隨機數種子搞不懂。很多博客也就粗略的說，利用隨機數種子，每次生成的隨機數相同。
兩個疑惑：1, 利用隨機數種子，每次生成的隨機數相同。這是什么意思?
2,隨機數種子的參數怎么選擇？在別人的代碼中經常看到np.random.seed(Argument),這個參數不一樣，有的是0，有的是１，當然還有其他數。那這個參數應該怎么選擇呢？
通過對別的博客的理解，我做了以下幾組實驗：
import numpy as np
if __name__ == '__main__':
i = 0
while(i<6):
if(i<3):
np.random.seed(0)
print(np.random.randn(1, 5))
else:
print(np.random.randn(1, 5))
pass
i += 1
i = 0
while(i<2):
print(np.random.randn(1, 5))
i += 1
print(np.random.randn(2, 5))
np.random.seed(0)
i = 0
while(i<８):
print(np.random.randn(1, 5))
i += 1
運行結果：
-
[[ 1.76405235 0.40015721 0.97873798 2.2408932 1.86755799]]
-
[[ 1.76405235 0.40015721 0.97873798 2.2408932 1.86755799]]
-
[[ 1.76405235 0.40015721 0.97873798 2.2408932 1.86755799]]
-
[[ -0.97727788 0.95008842 -0.15135721 -0.10321885 0.4105985 ]]
-
[[ 0.14404357 1.45427351 0.76103773 0.12167502 0.44386323]]
-
[[ 0.33367433 1.49407907 -0.20515826 0.3130677 -0.85409574]]
-
[[ -2.55298982 0.6536186 0.8644362 -0.74216502 2.26975462]]
-
[[ -1.45436567 0.04575852 -0.18718385 1.53277921 1.46935877]]
-
[[ 0.15494743 0.37816252 -0.88778575 -1.98079647 -0.34791215]
-
[ 0.15634897 1.23029068 1.20237985 -0.38732682 -0.30230275]]
-
[[ 1.76405235 0.40015721 0.97873798 2.2408932 1.86755799]]
-
[[ -0.97727788 0.95008842 -0.15135721 -0.10321885 0.4105985 ]]
-
[[ 0.14404357 1.45427351 0.76103773 0.12167502 0.44386323]]
-
[[ 0.33367433 1.49407907 -0.20515826 0.3130677 -0.85409574]]
-
[[ -2.55298982 0.6536186 0.8644362 -0.74216502 2.26975462]]
-
[[ -1.45436567 0.04575852 -0.18718385 1.53277921 1.46935877]]
-
[[ 0.15494743 0.37816252 -0.88778575 -1.98079647 -0.34791215]]
-
[[ 0.15634897 1.23029068 1.20237985 -0.38732682 -0.30230275]]
-
通過該實驗我們可以得到以下結論：
1.1．可以看出，像http://blog.csdn.net/linzch3/article/details/58220569這篇博客中提到的，np.random.seed()對后面的隨機數一次有效，而不是一直有效，這種說法是錯誤的。
兩次利用隨機數種子后，即便是跳出循環后，生成隨機數的結果依然是相同的。第一次跳出while循環后，進入第二個while循環，得到的兩個隨機數組確實和加了隨機數種子不一樣。但是，后面的加了隨機數種子的，八次循環中的結果和前面的結果是一樣的。說明，隨機數種子對后面的結果一直有影響。同時，加了隨機數種子以后，后面的隨機數組都是按一定的順序生成的。
1.2．在同樣的隨機種子后第六次的隨機數生成結果，(結果高亮部分)，兩行五列的數組和兩個一行五列的數組結果相同。說明，在生成多行隨機數組時，是由單行隨機數組組合而成的。
現在我們回答了第一個疑惑：利用隨機數種子，每次生成的隨機數相同。這是什么意思? －－就是使后面的隨機數按一定的順序生成。
import numpy as np
if __name__ == '__main__':
i = 0
np.random.seed(0)
while(i<3):
print(np.random.randn(1, 5))
i += 1
i = 0
np.random.seed(1)
i = 0
while(i<3):
print(np.random.randn(1, 5))
i += 1
[[ 1.76405235 0.40015721 0.97873798 2.2408932 1.86755799]] [[-0.97727788 0.95008842 -0.15135721 -0.10321885 0.4105985 ]] [[ 0.14404357 1.45427351 0.76103773 0.12167502 0.44386323]] [[ 1.62434536 -0.61175641 -0.52817175 -1.07296862 0.86540763]] [[-2.3015387 1.74481176 -0.7612069 0.3190391 -0.24937038]] [[ 1.46210794 -2.06014071 -0.3224172 -0.38405435 1.13376944]]
你可以實驗，在你的電腦上，當隨機數種子參數為0和1時，生成的隨機數和我上面高亮的結果相同。說明該參數指定了一個隨機數生成的起始位置。每個參數對應一個位置。並且在該參數確定后，其后面的隨機數的生成順序也就確定了。
所以，現在我們回答了我的第二個疑問：隨機數種子的參數怎么選擇？我認為隨意，這個參數只是確定一下隨機數的起始位置。
------------恢復內容結束------------
首先顯示一段代碼：
import numpy as np
num = 0
while(num<5):
np.random.seed(1)
print(np.random.random())
num += 1
print('-------------------------')
num1 = 0
np.random.seed(2)
while(num1<5):
print(np.random.random())
num1 += 1
運行結果：
0.417022004702574
0.417022004702574
0.417022004702574
0.417022004702574
0.417022004702574
-------------------------
0.43599490214200376
0.025926231827891333
0.5496624778787091
0.4353223926182769
0.42036780208748903
Process finished with exit code 0
講解：
seed( ) 用於指定隨機數生成時所用算法開始的整數值。
1.如果使用相同的seed( )值，則每次生成的隨即數都相同；
2.如果不設置這個值，則系統根據時間來自己選擇這個值，此時每次生成的隨機數因時間差異而不同。
3.設置的seed()值僅一次有效
所謂隨機數其實是偽隨機數，所謂的‘偽’，意思是這些數其實是有規律的，只不過因為算法規律太復雜，很難看出來。再厲害的算法，沒有一個初始值，它也不可能憑空造出一系列隨機數來，我們說的種子就是這個初始值。
random隨機數是這樣生成的：我們將這套復雜的算法（是叫隨機數生成器吧）看成一個黑盒，把我們准備好的種子扔進去，它會返給你兩個東西，一個是你想要的隨機數，另一個是保證能生成下一個隨機數的新的種子，把新的種子放進黑盒，又得到一個新的隨機數和一個新的種子，從此在生成隨機數的路上越走越遠。
再看我們的代碼：
第一段代碼把對種子的設置放在了循環里面，每次執行循環都旗幟鮮明地告訴黑盒：“我的種子是1”。那么很顯然：同一個黑盒，同一個種子，自然得到的是同一個隨機數。
第二段代碼把對種子的設置放在了循環外面，他只在第一次循環的時候明確地告訴黑盒：“我的種子是2”。那么也很顯然：從第二次循環開始，黑盒用的就是自己生成的新種子了。
多說一句：因為黑盒是始終如一的，所以只要你沒改變種子，那么你得到的隨機數就不會改變。
沒有特殊需求的話，還是老老實實地用Python自動選擇的種子吧，省心又省力。
深入理解：
在使用numpy時，難免會用到隨機數生成器。一直對np.random.seed()，隨機數種子搞不懂。很多博客也就粗略的說，利用隨機數種子，每次生成的隨機數相同。
兩個疑惑：1, 利用隨機數種子，每次生成的隨機數相同。這是什么意思?
2,隨機數種子的參數怎么選擇？在別人的代碼中經常看到np.random.seed(Argument),這個參數不一樣，有的是0，有的是１，當然還有其他數。那這個參數應該怎么選擇呢？
通過對別的博客的理解，我做了以下幾組實驗：
import numpy as np
if __name__ == '__main__':
i = 0
while(i<6):
if(i<3):
np.random.seed(0)
print(np.random.randn(1, 5))
else:
print(np.random.randn(1, 5))
pass
i += 1
i = 0
while(i<2):
print(np.random.randn(1, 5))
i += 1
print(np.random.randn(2, 5))
np.random.seed(0)
i = 0
while(i<８):
print(np.random.randn(1, 5))
i += 1
運行結果：
-
[[ 1.76405235 0.40015721 0.97873798 2.2408932 1.86755799]]
-
[[ 1.76405235 0.40015721 0.97873798 2.2408932 1.86755799]]
-
[[ 1.76405235 0.40015721 0.97873798 2.2408932 1.86755799]]
-
[[ -0.97727788 0.95008842 -0.15135721 -0.10321885 0.4105985 ]]
-
[[ 0.14404357 1.45427351 0.76103773 0.12167502 0.44386323]]
-
[[ 0.33367433 1.49407907 -0.20515826 0.3130677 -0.85409574]]
-
[[ -2.55298982 0.6536186 0.8644362 -0.74216502 2.26975462]]
-
[[ -1.45436567 0.04575852 -0.18718385 1.53277921 1.46935877]]
-
[[ 0.15494743 0.37816252 -0.88778575 -1.98079647 -0.34791215]
-
[ 0.15634897 1.23029068 1.20237985 -0.38732682 -0.30230275]]
-
[[ 1.76405235 0.40015721 0.97873798 2.2408932 1.86755799]]
-
[[ -0.97727788 0.95008842 -0.15135721 -0.10321885 0.4105985 ]]
-
[[ 0.14404357 1.45427351 0.76103773 0.12167502 0.44386323]]
-
[[ 0.33367433 1.49407907 -0.20515826 0.3130677 -0.85409574]]
-
[[ -2.55298982 0.6536186 0.8644362 -0.74216502 2.26975462]]
-
[[ -1.45436567 0.04575852 -0.18718385 1.53277921 1.46935877]]
-
[[ 0.15494743 0.37816252 -0.88778575 -1.98079647 -0.34791215]]
-
[[ 0.15634897 1.23029068 1.20237985 -0.38732682 -0.30230275]]
-
通過該實驗我們可以得到以下結論：
1.1．可以看出，像http://blog.csdn.net/linzch3/article/details/58220569這篇博客中提到的，np.random.seed()對后面的隨機數一次有效，而不是一直有效，這種說法是錯誤的。
兩次利用隨機數種子后，即便是跳出循環后，生成隨機數的結果依然是相同的。第一次跳出while循環后，進入第二個while循環，得到的兩個隨機數組確實和加了隨機數種子不一樣。但是，后面的加了隨機數種子的，八次循環中的結果和前面的結果是一樣的。說明，隨機數種子對后面的結果一直有影響。同時，加了隨機數種子以后，后面的隨機數組都是按一定的順序生成的。
1.2．在同樣的隨機種子后第六次的隨機數生成結果，(結果高亮部分)，兩行五列的數組和兩個一行五列的數組結果相同。說明，在生成多行隨機數組時，是由單行隨機數組組合而成的。
現在我們回答了第一個疑惑：利用隨機數種子，每次生成的隨機數相同。這是什么意思? －－就是使后面的隨機數按一定的順序生成。
import numpy as np
if __name__ == '__main__':
i = 0
np.random.seed(0)
while(i<3):
print(np.random.randn(1, 5))
i += 1
i = 0
np.random.seed(1)
i = 0
while(i<3):
print(np.random.randn(1, 5))
i += 1
[[ 1.76405235 0.40015721 0.97873798 2.2408932 1.86755799]] [[-0.97727788 0.95008842 -0.15135721 -0.10321885 0.4105985 ]] [[ 0.14404357 1.45427351 0.76103773 0.12167502 0.44386323]] [[ 1.62434536 -0.61175641 -0.52817175 -1.07296862 0.86540763]] [[-2.3015387 1.74481176 -0.7612069 0.3190391 -0.24937038]] [[ 1.46210794 -2.06014071 -0.3224172 -0.38405435 1.13376944]]
你可以實驗，在你的電腦上，當隨機數種子參數為0和1時，生成的隨機數和我上面高亮的結果相同。說明該參數指定了一個隨機數生成的起始位置。每個參數對應一個位置。並且在該參數確定后，其后面的隨機數的生成順序也就確定了。
所以，現在我們回答了我的第二個疑問：隨機數種子的參數怎么選擇？我認為隨意，這個參數只是確定一下隨機數的起始位置。