快捷搜索: 王者荣耀 脱发

numpy中np.random.seed()的详细用法

在进行机器学习和深度学习中,我们会经常用到np.random.seed(),利用随机数种子,使得每次生成的随机数相同。

numpy.randn.randn(d0,d1,...,dn)

    randn函数根据给定维度生成大概率在(-2.58~+2.58)之间的数据 randn函数返回一个或者一组样本,具有标准正态分布 dn表示每个维度 返回值为指定维度的array
import numpy as np

a = np.random.randn(2,4)  #4*2矩阵
print(a)

b = np.random.randn(4,3,2)  #shape:4*3*2
print(b)

我们将带着两个问题进行np.random.seed()的学习:

  1.np.random.seed()是否一直有效?

  2.np.random.seed(Argument)的参数作用?

E.G.实验

# -*- coding: utf-8 -*- 
# @Time : 2019/10/26 20:57 
# @Author : BaoBao
# @Mail : baobaotql@163.com 
# @File : random.seed.py 
# @Software: PyCharm

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

    print("-------------------")
    i = 0
    while (i < 2):
        print(np.random.randn(1, 5))
        i += 1
    print(np.random.randn(2, 5))

    print("---------reset----------")
    np.random.seed(0)
    i = 0
    while (i < 8):
        print(np.random.randn(1, 5))
        i += 1

  可以看出,np.random.seed()对后面的随机数一直有效。

  两次利用random.seed()后,即使跳出循环以后,生成随机数的结果依然相同。第一次跳出while循环后,进入第二次while循环,

得到的两个随机数组确实和加了随机数种子不一样。但是后面的加入随机数种子的,八次循环中的结果和前面的结果是一样的。说明,

随机数种子对后面的结果一直有影响。同时,加入随机数种子以后,后面的数组都是按一定的顺序生成的。

E.G.随机数种子参数的作用

# -*- coding: utf-8 -*- 
# @Time : 2019/10/26 20:57 
# @Author : BaoBao
# @Mail : baobaotql@163.com 
# @File : random.seed.py 
# @Software: PyCharm
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
    print("---------------------")
    np.random.seed(1)
    i = 0
    while (i < 3):
        print(np.random.randn(1, 5))
        i += 1

  当随机数种子参数为0和1时,生成的随机数结果相同。说明该参数指定了一个随机数生成的起始位置。每个参数对应一个位置。

并且在该参数确定后,其后面的随机数的生成顺序也就确定了。所以,随机数种子的参数怎么选择?这个参数只是确定一下随机数的起始位置,可随意分配.

经验分享 程序员 微信小程序 职场和发展