nu.random.seed()如何理解

结论：

np.random.seed(a)　　# 按照规定的顺序生成随机数

　　　　# 参数a指定了随机数生成的起始位置；

　　　　# 如果两处都采用了np.random.seed(a)，且两处的参数a相同，则生成的随机数也相同；

　　　　# 不同的参数a执行了随机数生成的不同位置；随便选即可；

验证：

１．以np.random.randn()函数为例

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))    # 1.打印之前都执行了np.random.seed(0)，打印3组相同结果 i:[0,1,2]
        else:
            print(np.random.randn(1, 5))    # 2.接着上面随机数生成的位置，打印3组不同结果 i:[3,4,5]
            pass
        i += 1
        
    i = 0
    while(i<2):
        print(np.random.randn(1, 5))        # 3.接着上面随机数生成的位置，打印2组不同结果 i:[0,1]
        i += 1
    print(np.random.randn(2, 5))            # 4.接着上面随机数生成的位置，打印1组不同结果 i:[2]
    
    print("----------重置----------")

    np.random.seed(0)                       # 重新从相同位置开始生成随机数
    i = 0
    while(i < 8):
        print(np.random.randn(1, 5))        # 5.生成了8组和上面相同的随机数
        i += 1

结果：

2.指定不同的随机数种子

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
    np.random.seed(1)
    i = 0
    while(i<3):
        print(np.random.randn(1, 5))
        i += 1

[[ 1.76405235  0.40015721  0.97873798  2.2408932   1.86755799]]
[[-0.97727788  0.95008842 -0.15135721 -0.10321885  0.4105985 ]]
[[ 0.14404357  1.45427351  0.76103773  0.12167502  0.44386323]]

[[ 1.62434536 -0.61175641 -0.52817175 -1.07296862  0.86540763]]
[[-2.3015387   1.74481176 -0.7612069   0.3190391  -0.24937038]]
[[ 1.46210794 -2.06014071 -0.3224172  -0.38405435  1.13376944]]

总结：只要指定相同的随机数种子，在任何电脑上运行np.random.randn()，都会生成相同的结果；说明，随机数种子只是指定了一个随机数生成的位置，不同的参数对应不同的位置，用0, 1, 2，...随意了