nump中的为随机数产生器的seed
2016-04-01 10:33
253 查看
在python的程序中,发现了如下的伪随机数产生的代码
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
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
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
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
相关文章推荐
- 2D image convolution(二维图像卷积)
- 3*3卷积核实例
- 数据结构 顺序串的各种基本运算
- 当提示找不到某个文件路径的时候
- 深搜+回溯 poj3009 Curling 2.0
- Unity中实现高效Signal-slot模式--高效消息分发
- ./ggsci: error while loading shared libraries: libnnz11.so: cannot open shared object file: No such
- 菜鸟的Android学习笔记(二)
- Flex 布局教程:语法篇
- matlab的二维卷积操作
- 如何分析matlab程序的主要效率问题
- 安装Java
- JDK的帮助文档
- 第一个deeplearning4jproject跑起
- (转)Eclipse 下找不到或无法加载主类的解决办法
- PyCharm使用技巧记录(一)如何查看变量
- 到底该如何入门Keras、Theano呢?(浅谈)
- Keras如何构造简单的CNN网络
- PyCharm如何设置显示行号?
- Python/Keras如何将给定的数据集打乱