Python设置随机种子|极客教程

Python设置随机种子

在使用Python进行数据分析、机器学习和深度学习等任务时，我们通常会涉及到随机数生成的问题。在很多情况下，我们需要保证每次程序运行时生成的随机数是一致的，这样有利于结果的复现和验证。为了实现这一点，我们可以设置随机种子。

什么是随机种子

随机种子是生成随机数的起始点。随机数生成器根据种子生成一系列的随机数。如果我们设置了相同的种子，那么每次生成的随机数将是一样的。

为什么要设置随机种子

设置随机种子有以下几个重要原因：

结果复现：在科学研究和实验中，我们通常需要确保结果的可复现性，只有通过设置相同的随机种子，才能得到相同的结果。
调试和验证：在调试代码和验证模型时，可以通过固定随机种子，便于发现问题和验证解决方案的效果。
调优参数：在调优参数时，通过设置随机种子，可以保证每次实验是在相同的随机环境下进行的，方便比较不同参数设置的效果。

如何设置随机种子

在Python中，通过使用random模块可以设置随机种子。具体步骤如下：

import random

# 设置随机种子为固定值
random.seed(42)

# 生成随机数
rand_num1 = random.random()
rand_num2 = random.randint(1, 100)

print("随机数1：", rand_num1)
print("随机数2：", rand_num2)

运行以上代码，可以看到输出如下：

随机数1： 0.6394267984578837
随机数2： 64

通过设置random.seed(42)，我们将随机种子设为固定值42，这样每次运行程序时生成的随机数将是一致的。

其他常用随机数生成函数

除了random.random()和random.randint(a, b)函数外，random模块还提供了许多其他常用的随机数生成函数，如：

random.uniform(a, b): 生成指定范围内的随机浮点数。
random.choice(seq): 从序列中随机选择一个元素。
random.shuffle(seq): 将序列随机打乱。
random.sample(population, k): 从样本或集合中随机抽取k个不重复的元素。

numpy设置随机种子

在数据分析和机器学习中，我们通常使用numpy库来进行向量化计算。同样地，我们也可以使用numpy.random模块来设置随机种子。

import numpy as np

# 设置随机种子为固定值
np.random.seed(42)

# 生成随机数组
rand_array = np.random.rand(3)

print("随机数组：", rand_array)

运行以上代码，可以看到输出如下：

随机数组： [0.37454012 0.95071431 0.73199394]

通过设置np.random.seed(42)，我们将numpy的随机种子设为固定值42，这样每次生成的随机数组将是一致的。

tensorflow设置随机种子

在深度学习中，我们常使用tensorflow库来构建神经网络模型。同样地，我们也可以使用tensorflow的随机种子来保证结果的可复现性。

import tensorflow as tf

# 设置随机种子为固定值
tf.random.set_seed(42)

# 构建一个简单的神经网络模型
model = tf.keras.Sequential([
    tf.keras.layers.Dense(10, input_shape=(784,), activation='relu'),
    tf.keras.layers.Dense(10, activation='softmax')
])

# 打印模型结构
model.summary()

运行以上代码，可以看到神经网络模型的结构如下：

Model: "sequential"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
dense (Dense)                (None, 10)                7850      
_________________________________________________________________
dense_1 (Dense)              (None, 10)                110       
=================================================================
Total params: 7,960
Trainable params: 7,960
Non-trainable params: 0
_________________________________________________________________

通过设置tf.random.set_seed(42)，我们将tensorflow的随机种子设为固定值42，这样每次建立的神经网络模型将是一致的。