概述
你将RandomState与种子混淆了.您的第一行构造一个对象,然后您可以将其用作随机源.例如,我们制作
>>> rnd = np.random.RandomState(3)
>>> rnd
然后
>>> rnd.choice(range(20), (5,))
array([10, 3, 8, 0, 19])
>>> rnd.choice(range(20), (5,))
array([10, 11, 9, 10, 6])
>>> rnd = np.random.RandomState(3)
>>> rnd.choice(range(20), (5,))
array([10, 3, 8, 0, 19])
>>> rnd.choice(range(20), (5,))
array([10, 11, 9, 10, 6])
[我不明白为什么你的idx1和idx1S同意 – 但你实际上没有发布一个自包含的成绩单,所以我怀疑用户错误.]
如果要影响全局状态,请使用seed:
>>> np.random.seed(3)
>>> np.random.choice(range(20),(5,))
array([10, 3, 8, 0, 19])
>>> np.random.choice(range(20),(5,))
array([10, 11, 9, 10, 6])
>>> np.random.seed(3)
>>> np.random.choice(range(20),(5,))
array([10, 3, 8, 0, 19])
>>> np.random.choice(range(20),(5,))
array([10, 11, 9, 10, 6])
使用特定的RandomState对象起初可能看起来不太方便,但是当您需要可以调整的不同熵流时,它会使很多事情变得更容易.
最后
以上就是大方月亮为你收集整理的python随机种子数_python – NumPy随机种子产生不同的随机数的全部内容,希望文章能够帮你解决python随机种子数_python – NumPy随机种子产生不同的随机数所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错,欢迎将靠谱客网站推荐给程序员好友。
发表评论 取消回复