numpy.random状态的差异消失了

Question

同一项目的两个python运行具有不同的设置，但具有相同的随机种子。

该项目包含一个函数，该函数使用numpy.random.uniform返回几个随机数。

不管python进程中numpy.random的其他用途如何， numpy.random中的一系列函数调用都会生成相同的序列，直到某个时刻为止。

在那一点上一次产生不同的结果之后，它们又在一段时间内再次产生相同的序列。

我还没有尝试使用numpy.random.RandomState ，但是这怎么可能呢？

某处使用numpy.random引起差异并再次解决问题，这仅仅是一个巧合吗？

我很好奇这是否是唯一的可能性，或者还有其他解释。

提前致谢。

添加：我忘了提到当时还没有播种。

Answer 1

在numpy中使用random模块时，每个随机生成的数字（无论分布/函数如何）都使用RandomState的相同“全局”实例。 使用numpy.random.seed()设置种子时，将设置numpy.random.seed()的“全局”实例的RandomState 。 这与Python中的random库的原理相同。

我不确定numpy随机函数的具体实现方式，但是我怀疑每个随机函数都会使底层的Mersenne Twister前进多个“步骤”，而不同random函数之间的步骤数量不一定相同。

因此，如果在不同的运行之间每次调用random函数的顺序都不相同，那么您可能会看到所生成的随机数序列存在差异，如果Mersenne Twister再次“逐步”排列，则会再次收敛。

您可以通过为所使用的每个函数初始化一个单独的RandomState实例来解决此问题。 例如：

import numpy as np

seed = 12345
r_uniform = np.random.RandomState(seed)
r_randint = np.random.RandomState(seed)

a_random_uniform_number = r_uniform.uniform()
a_random_int = r_randint.randint(10)

您可能想为每个实例设置不同的种子-这取决于您使用这些伪随机数的目的。