临时修复后恢复为随机种子的最佳方法？

Question

这是 'unseed' 随机数生成器的唯一方法吗：

np.random.seed(int(time.time()))

如果您有一些代码希望在一个循环中重复（例如测试），而其他代码您希望每个循环都是随机的，那么您如何 'reset' 随机数生成器的种子设置后？

下面的代码说明了这个问题：

import numpy as np

def test():
    np.random.seed(2)
    print("Repeatable test:", [np.random.randint(10) for i in range(3)])

for i in range(4):
    print("Random number:", np.random.randint(10))
    test()

Random number: 8
Repeatable test: [8, 8, 6]
Random number: 2
Repeatable test: [8, 8, 6]
Random number: 2
Repeatable test: [8, 8, 6]
Random number: 2
Repeatable test: [8, 8, 6]

期望的结果：我希望每个循环的随机数都是随机的。

如果这是唯一的方法，我很乐意导入时间模块，但我认为可能有更简单、更可靠的方法。

(无法根据获取当前种子)

Answer 1

你走错了路。不要尝试取消 numpy.random 使用的全局 RNG，而是对需要可重复的部分使用 separate RNG。此 RNG 可以具有完全独立于 numpy.random 默认 RNG 的状态：

def test():
    rng = numpy.random.RandomState(2)
    print("Repeatable test:", [rng.randint(10) for i in range(3)])

虽然在技术上可以保存和恢复全局 numpy.random RNG 的状态，但这是一个非常专业的操作，很少是一个好主意。这可能是有用的，例如，如果你正在调试一段代码，并且你想 "rewind" 向后跳转代码后的随机状态，虽然你需要提前保存状态，但它不会' t 倒回任何其他随机数生成器：

# Don't abuse this.
state = numpy.random.get_state()
do_stuff()
numpy.random.set_state(state)

Answer 2

另一种方法

您可以分别为每个循环生成随机种子，但如果您在循环内生成它们，您将在第一次迭代后获得相同的种子值。
为了避免每次循环的种子都一样，在循环外预先生成不同的种子即可。

import numpy as np

def test():
    np.random.seed(2)
    print("Repeatable test:", [np.random.randint(10) for i in range(3)])

n_loop = 4
max_rand_int = 1000*n_loop # i think this is enough
seeds = np.random.randint(max_rand_int, size=n_loop) # make list of seeds
for i in range(n_loop):
    print("Random number:", np.random.randint(10))
    test()
    seed = seeds[i]
    np.random.seed(seed)

Answer 3

您可以实例化您自己的 Random 对象。

myrandom = random.Random(myseed)

random 模块管理它自己的 Random 实例，它将不受对 myrandom.

所做更改的影响

Answer 4

随机。种子 ( a=None, version=2 ) 初始化随机数生成器。如果省略 a 或 None，则使用当前系统时间。如果操作系统提供随机源，则使用它们代替系统时间（有关可用性的详细信息，请参阅 os.urandom() 函数）

random.seed(None)

对我有用

Python 3.8 docs

临时修复后恢复为随机种子的最佳方法？

Best way to revert to a random seed after temporarily fixing it?

python

numpy

random

seed