原因：使用相同種子保證每次實驗生成固定的隨機數(shù)，使每次實驗結(jié)果一致。不同種子生成不一樣的隨機數(shù)。

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)

設(shè)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()改變隨機數(shù)生成器的種子，在調(diào)用其他隨機模塊函數(shù)之前調(diào)用此函數(shù)
seed()沒有參數(shù)時，每次生成的隨機數(shù)是不一樣的，seed()有參數(shù)時是一樣的，不同的參數(shù)生成的隨機數(shù)不一樣

import random# 隨機數(shù)不一樣 random.seed() print('隨機數(shù)1：',random.random()) random.seed() print('隨機數(shù)2：',random.random())# 隨機數(shù)一樣 random.seed(1) print('隨機數(shù)3：',random.random()) random.seed(1) print('隨機數(shù)4：',random.random()) random.seed(2) print('隨機數(shù)5：',random.random())''' 隨機數(shù)1： 0.7643602170615428 隨機數(shù)2： 0.31630323818329664 隨機數(shù)3： 0.13436424411240122 隨機數(shù)4： 0.13436424411240122 隨機數(shù)5： 0.9560342718892494 '''

參考

`np.random.seed()

seed值設(shè)為某一定值，則np.random下隨機數(shù)生成函數(shù)生成的隨機數(shù)永遠是不變的。更清晰的說，即當你把設(shè)置為seed(0)，則你每次運行代碼第一次用np.random.rand()產(chǎn)生的隨機數(shù)永遠是0.5488135039273248；第二次用np.random.rand()產(chǎn)生的隨機數(shù)永遠是0.7151893663724195

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

參考

總結(jié)

以上是生活随笔為你收集整理的Python设置随机数种子的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。