zoukankan      html  css  js  c++  java
  • nump中的为随机数产生器的seed

    在python的程序中,发现了如下的伪随机数产生的代码

    rng = numpy.random.RandomState(23355)
    arrayA = rng.uniform(0,1,(2,3))
    

      

    该段代码的目的是产生一个2行3列的assarray,其中的每个元素都是[0,1]区间的均匀分布的随机数

    这里看以看到,有一个23355这个数字,其实,它是伪随机数产生器的种子,也就是“the starting point for a sequence of pseudorandom number”

    对于某一个伪随机数发生器,只要该种子(seed)相同,产生的随机数序列就是相同的

    下面给出几个小例子

    1 # 仍以上面的seed为例,但执行多次
    2 # 利用循环,执行4次
    3 import numpy
    4 for i in [1,2,3,4]:
    5     rng = numpy.random.RandomState(23455)
    6     arrayA = rng.uniform(0,1,(2,3))
    7     print arrayA

    改代码段的结果如下:

     

    可以看到,每次循环产生的伪随机数都是相同的,这是由于每次伪随机数发生器的种子都是相同的

    下面,再看另外一个例子

    1 import numpy
    2 for i in [1,2,3,4]:
    3     rng = numpy.random.RandomState(23455+i)
    4     arrayA = rng.uniform(0,1,(2,3))
    5     print ('i = %s' % (i))
    6     print (arrayA)
    7     

    这里,我们做了一个小小的更改,每次循环的种子都加入了i,由于每次循环i值不同,导致每次循环的种子也不同,下面是改程序段的结果

    可以看到,每次循环产生的2*3的随机asarray都是不同的了

  • 相关阅读:
    帧同步资料收集
    随机数种子问题
    【转】 DOTA2中的伪随机及其lua实现
    C++ 异常机制分析
    细说new与malloc的10点区别
    static关键字总结
    C++11 并发编程基础(一):并发、并行与C++多线程
    论一个程序员的自我修养
    gSoap的多线程程序
    面试常见问题:
  • 原文地址:https://www.cnblogs.com/lutingting/p/5185408.html
Copyright © 2011-2022 走看看