Numpy的np.random随机模块详解

import numpy as np
np.random.randn(3,3) # 从标准正太分布中返回样本
np.random.rand(3,3)  # 从0-1均匀分布分布中返回样本
np.random.randint(0, 10, size=(3,3))     # 返回随机的整数，左闭右开区间[)
np.random.random_integers(0, 10, (3,3))  # 返回随机的整数，位于闭区间[]
np.random.random((3,3))          # 返回范围[0., 1.)之间的随机浮点数
np.random.random_sample((3,3))   # 返回范围[0., 1.)之间的随机浮点数
np.random.ranf((3,3))            # 返回范围[0., 1.)之间的随机浮点数
np.random.sample((3,3))          # 返回范围[0., 1.)之间的随机浮点数
# 从[0,5)中挑选3个数，其权重分别为p，其中np.random.choice(5, 3) == np.random.randint(0, 5, 3)
np.random.choice(5, 3, p=[0.1, 0.25, 0.15, 0.4, 0.1])  # 从样本中根据对应的权重返回随机选择索引，权重越大越可能被选择到

import numpy as np
np.random.shuffle(arr)  # 随机打乱顺序，直接是内置的,不需要返回
arr = np.random.permutation(arr)   # 随机打乱顺序，需要返回

# 1. RandomState随机种子的使用：numpy.random.RandomState实例对象是线程安全的
from numpy.random import RandomState
r = RandomState(1234567890)
a = r.randint(1, 10,size=10)
r = RandomState(1234567890)
b = r.randint(1, 10, size=10)
r = RandomState(1234567890)
c = r.randint(1, 10, size=10)
r = RandomState(1234567890)
d = r.randint(1, 10, size=10)
a,b,c,d
# 输出：
# (array([3, 7, 4, 2, 5, 1, 7, 5, 1, 8]),
#  array([3, 7, 4, 2, 5, 1, 7, 5, 1, 8]),
#  array([3, 7, 4, 2, 5, 1, 7, 5, 1, 8]),
#  array([3, 7, 4, 2, 5, 1, 7, 5, 1, 8]))
# 分析：由于每次输出前都设置了相同的随机种子，所以程序得到的随机数的值相同
# 2. np.random.seed随机种子的使用：numpy.random.seed()不是线程安全的
# 如果程序中有多个线程最好使用numpy.random.RandomState实例对象来创建或者使用random.seed()来设置相同的随机数种子。
np.random.seed(1234567890)
a = np.random.randint(1, 10, size=10)
np.random.seed(1234567899)
b = np.random.randint(1, 10, size=10)
np.random.seed(1234567890)
c = np.random.randint(1, 10, size=10)
np.random.seed(1234567899)
d = np.random.randint(1, 10, size=10)
a,b,c,d
# 输出：
# (array([3, 7, 4, 2, 5, 1, 7, 5, 1, 8]),
#  array([4, 9, 1, 7, 2, 8, 8, 3, 3, 4]),
#  array([3, 7, 4, 2, 5, 1, 7, 5, 1, 8]),
#  array([4, 9, 1, 7, 2, 8, 8, 3, 3, 4]))
# 分析：由于第一次与第三次输出前设置了相同的随机种子，而第二次与第四次输出前设置了相同的随机种子
# 所以第一次与第三次输出一致，第二次与第四次输出一致。
# 3. ramdom随机种子的使用
import random
random.seed(1234567890)
a = random.sample(range(10),10)  
random.seed(1234567890)
b = random.sample(range(10),10)
c = random.sample(range(10),10)
d = random.sample(range(10),10)
a,b,c,d
# 输出：
# ([9, 2, 7, 1, 4, 8, 5, 0, 6, 3],
#  [9, 2, 7, 1, 4, 8, 5, 0, 6, 3],
#  [6, 2, 0, 5, 8, 9, 4, 1, 7, 3],
#  [2, 7, 3, 8, 6, 1, 4, 9, 0, 5])
# 分析：由于第一次与第二次输出前设置了相同的随机种子，所以输出结果一致；
# 而剩下两次没有设置随机种子，随意两次结果都是随机输出的，分别不同

opt.seed = random.randint(1, 10000)
print("Random Seed: ", opt.seed)
torch.manual_seed(args.seed)		# 为CPU设置随机种子
if cuda:
    torch.cuda.manual_seed(seed)	# 为当前GPU设置随机种子
    torch.cuda.manual_seed_all(seed)# 为所有GPU设置随机种子