Python numpy中np.random.seed()的详细用法实例

 更新时间:2022年08月19日 10:05:43   作者:脱发的小猿  
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,下面这篇文章主要给大家介绍了关于Python numpy中np.random.seed()的详细用法,需要的朋友可以参考下

引言

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

运行截图:

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

运行截图:

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.

补充:一个随机种子在代码中只作用一次,只作用于其定义位置的下一次随机数生成 

import numpy as np
num=0
print(np.random.random())#没有设置随机种子 那么这里是根据系统时间为参数生成的随机数
np.random.seed(5)
while(num<5):
    print(np.random.random())
    num+=1

 

总结

到此这篇关于Python numpy中np.random.seed()详细用法的文章就介绍到这了,更多相关numpy.random.seed()的用法内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • Python常用模块用法分析

    Python常用模块用法分析

    这篇文章主要介绍了Python常用模块用法分析,主要包括内置函数、文件操作、正则匹配等等,需要的朋友可以参考下
    2014-09-09
  • Python脚本获取操作系统版本信息

    Python脚本获取操作系统版本信息

    本文给大家分享的小技巧是如何利用Python脚本获取Windows和Linux的系统版本信息,非常的简单实用,有需要的小伙伴可以查看下
    2016-12-12
  • python多线程爬取西刺代理的示例代码

    python多线程爬取西刺代理的示例代码

    这篇文章主要介绍了python多线程爬取西刺代理的示例代码,帮助大家更好的理解和学习python的爬虫,感兴趣的朋友可以了解下
    2021-01-01
  • python中实现将多个print输出合成一个数组

    python中实现将多个print输出合成一个数组

    下面小编就为大家分享一篇python中实现将多个print输出合成一个数组,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-04-04
  • 已解决卸载pip重新安装的方法

    已解决卸载pip重新安装的方法

    粉丝群里面的一个小伙伴遇到问题跑来私信我,想用卸载pip重新安装pip,但是发生了报错(当时他心里瞬间凉了一大截,跑来找我求助,然后顺利帮助他解决了,顺便记录一下希望可以帮助到更多遇到这个问题的小伙伴
    2023-04-04
  • Selenium 滚动页面至元素可见的方法

    Selenium 滚动页面至元素可见的方法

    这篇文章主要介绍了Selenium 滚动页面至元素可见的方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2020-03-03
  • python实现简单俄罗斯方块游戏

    python实现简单俄罗斯方块游戏

    这篇文章主要为大家详细介绍了python实现简单俄罗斯方块游戏,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2022-01-01
  • pandas中的.assign()方法的用法示例小结

    pandas中的.assign()方法的用法示例小结

    pandas中的.assign()方法用于创建一个新的DataFrame,其中包含现有DataFrame的副本,并附加了指定的新列或更新了现有列,.assign()方法还可以链式使用,以添加多个新列或更新现有列,对pandas中的.assign()方法感兴趣的朋友跟随小编一起看看吧
    2023-10-10
  • 利用pandas将numpy数组导出生成excel的实例

    利用pandas将numpy数组导出生成excel的实例

    今天小编就为大家分享一篇利用pandas将numpy数组导出生成excel的实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-06-06
  • 使用GPT-3训练垃圾短信分类器示例详解

    使用GPT-3训练垃圾短信分类器示例详解

    这篇文章主要为大家介绍了使用GPT-3训练垃圾短信分类器示例详解,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
    2023-02-02

最新评论