np.random.seed() 的使用详解
在学习人工智能时，大量的使用了np.random.seed()，利用随机数种子，使得每次生成的随机数相同。
我们带着2个问题来进行下列实验
- np.random.seed()是否一直有效
- np.random.seed(Argument)的参数作用?
例子1
importnumpyasnp
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("---------重置----------")
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。
两次利用随机数种子后，即便是跳出循环后，生成随机数的结果依然是相同的。第一次跳出while循环后，进入第二个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，后面的加了随机数种子的，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，加了随机数种子以后，后面的随机数组都是按一定的顺序生成的。
例子2，随机数种子参数的作用
importnumpyasnp
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。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。