Python设置随机数种子

您所在的位置：网站首页 › spyder怎么输入一个整数 › Python设置随机数种子

Python设置随机数种子

2023-12-01 17:13| 来源: 网络整理| 查看: 265

原因：使用相同种子保证每次实验生成固定的随机数，使每次实验结果一致。不同种子生成不一样的随机数。

seed = random.randint(1, 10000) print('Random seed: {}'.format(seed)) random.seed(seed) np.random.seed(seed) torch.manual_seed(seed) torch.cuda.manual_seed_all(seed)

设置方式

if torch.cuda.is_available(): print("gpu cuda is available!") torch.cuda.manual_seed(1000) else: print("cuda is not available! cpu is available!") torch.manual_seed(1000) random.seed()

seed()改变随机数生成器的种子，在调用其他随机模块函数之前调用此函数 seed()没有参数时，每次生成的随机数是不一样的，seed()有参数时是一样的，不同的参数生成的随机数不一样

import random # 随机数不一样 random.seed() print('随机数1：',random.random()) random.seed() print('随机数2：',random.random()) # 随机数一样 random.seed(1) print('随机数3：',random.random()) random.seed(1) print('随机数4：',random.random()) random.seed(2) print('随机数5：',random.random()) ''' 随机数1： 0.7643602170615428 随机数2： 0.31630323818329664 随机数3： 0.13436424411240122 随机数4： 0.13436424411240122 随机数5： 0.9560342718892494 '''

参考

`np.random.seed()

seed值设为某一定值，则np.random下随机数生成函数生成的随机数永远是不变的。更清晰的说，即当你把设置为seed(0)，则你每次运行代码第一次用np.random.rand()产生的随机数永远是0.5488135039273248；第二次用np.random.rand()产生的随机数永远是0.7151893663724195

import numpy as np np.random.seed(0) for i in range(6): print(np.random.rand()) 0.5488135039273248 0.7151893663724195 0.6027633760716439 0.5448831829968969 0.4236547993389047 0.6458941130666561 np.random.seed(0) for i in range(3): print(np.random.rand()) 0.5488135039273248 0.7151893663724195 0.6027633760716439

参考

【本文地址】

Python设置随机数种子

Python设置随机数种子

今日新闻

推荐新闻