numpy.random.seed()

numpy.random.seed():用于指定随机数生成时使用算法的开始值,如果没有指定每次生成的值都不一样

如果不指定seed的值,那么每次随机生成的数字都不一样:

复制代码
In [17]: import numpy as np

In [18]: i = 0

In [19]: while i < 5:
    ...:     print(np.random.random())
    ...:     i += 1
    ...:
0.6024396750158225
0.9269520884112016
0.012892523215978668
0.5537467163325156
0.6240533935003028
复制代码

可以看出每次随机生成的值都不一样。

现在我们指定seed的值:

复制代码
In [27]: while i < 5:
    ...:     np.random.seed(100)
    ...:     print(np.random.random())
    ...:     i += 1
    ...:
0.5434049417909654
0.5434049417909654
0.5434049417909654
0.5434049417909654
0.5434049417909654
复制代码

 

 

In [17]: import numpy as np
In [18]: i = 0
In [19]: while i < 5:    ...:     print(np.random.random())    ...:     i += 1    ...:0.60243967501582250.92695208841120160.0128925232159786680.55374671633251560.6240533935003028

posted @   明王不动心  阅读(253)  评论(0编辑  收藏  举报
编辑推荐:
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列:如何用heaptrack跟踪.NET程序的非托管内存泄露
· 开发者必知的日志记录最佳实践
· SQL Server 2025 AI相关能力初探
· Linux系列:如何用 C#调用 C方法造成内存泄露
阅读排行:
· 终于写完轮子一部分:tcp代理 了,记录一下
· 震惊!C++程序真的从main开始吗?99%的程序员都答错了
· 别再用vector<bool>了!Google高级工程师:这可能是STL最大的设计失误
· 单元测试从入门到精通
· 【硬核科普】Trae如何「偷看」你的代码?零基础破解AI编程运行原理
点击右上角即可分享
微信分享提示