random.seed()的作用(python)
random.seed(1)作用:使得随机数据可预测,即只要seed的值一样,后续生成的随机数都一样。
当我们设置相同的seed,每次生成的随机数相同。如果不设置seed,则每次会生成不同的随机数
设置seed()且seed的值一样—生成的随机数相同
import numpy as np
np.random.seed(2)
syn0 = 2*np.random.random((3,4)) - 1
syn1 = 2*np.random.random((4,1)) - 1
print(syn0)
print(syn1)
运行多次结果都是一样的:
#######第一次运行结果##########
[[-0.1280102 -0.94814754 0.09932496 -0.12935521][-0.1592644 -0.33933036 -0.59070273 0.23854193][-0.40069065 -0.46634545 0.24226767 0.05828419]]
[[-0.73084011][ 0.02715624][-0.63112027][ 0.5706703 ]]
#######第二次运行结果##########
[[-0.1280102 -0.94814754 0.09932496 -0.12935521][-0.1592644 -0.33933036 -0.59070273 0.23854193][-0.40069065 -0.46634545 0.24226767 0.05828419]]
[[-0.73084011][ 0.02715624][-0.63112027][ 0.5706703 ]]
设置seed()且seed的值不一样—生成的随机数不同
当seed值为2时
import numpy as np
np.random.seed(2)
syn0 = 2*np.random.random((3,4)) - 1
syn1 = 2*np.random.random((4,1)) - 1
print(syn0)
print(syn1)
结果:
[[-0.1280102 -0.94814754 0.09932496 -0.12935521][-0.1592644 -0.33933036 -0.59070273 0.23854193][-0.40069065 -0.46634545 0.24226767 0.05828419]]
[[-0.73084011][ 0.02715624][-0.63112027][ 0.5706703 ]]
当seed的值为0时
import numpy as np
np.random.seed(0)
syn0 = 2*np.random.random((3,4)) - 1
syn1 = 2*np.random.random((4,1)) - 1
print(syn0)
print(syn1)
结果:
[[ 0.09762701 0.43037873 0.20552675 0.08976637][-0.1526904 0.29178823 -0.12482558 0.783546 ][ 0.92732552 -0.23311696 0.58345008 0.05778984]]
[[ 0.13608912][ 0.85119328][-0.85792788][-0.8257414 ]]
当不设置seed时—生成的随机数不同
import numpy as np
syn0 = 2*np.random.random((3,4)) - 1
syn1 = 2*np.random.random((4,1)) - 1
print(syn0)
print(syn1)
结果:
#######第一次运行结果##########
[[ 0.63051603 -0.87816765 0.90623517 0.47393602][-0.5947253 0.39207476 -0.701234 -0.63498633][-0.99398242 -0.94448909 -0.38235113 -0.41548786]]
[[-0.97505187][-0.89961779][ 0.81003048][ 0.54686106]]
#######第二次运行结果##########
[[-0.49437935 0.77174974 0.92061198 -0.99606444][-0.48872823 0.3233608 -0.50048627 -0.53339642][-0.7347141 0.30212213 -0.78579018 -0.68301276]]
[[ 0.72968294][ 0.11085167][ 0.34996692][-0.48830381]]
random.seed()的作用(python)相关推荐
- np.random.seed(0)作用
在用python时时常会看到如下代码: import numpy as np np.random.seed(0) 其中np.random.seed(0)的作用是使得随机数据可预测,当我们设置相同的se ...
- python random函数sample_Python random.seed() random.sample()函数使用
random.seed(0)作用:使得随机数据可预测,即只要seed的值一样,后续生成的随机数都一样. 一.不设置seed() import random list = [1, 2, 3, 4, 5, ...
- Python-random.seed()的作用
random.seed(0)作用:使得随机数据可预测,即只要seed的值一样,后续生成的随机数都一样. 转载自:点击打开链接 >>>> numpy.random.seed(0) ...
- random.seed(0)
random.seed(0)作用:使得随机数据可预测,即只要seed的值一样,后续生成的随机数都一样.
- random.seed(seed)、np.random.seed(seed)、torch.manual_seed(seed)作用
Python中的random random.seed(seed: int) 设置随机数种子 np.random.seed(seed: int) 设置numpy随机数种子 torch.random.se ...
- Python语言学习:三种随机函数random.seed()、numpy.random.seed()、set_random_seed()及random_normal的简介、使用方法(固定种子)详细攻略
Python语言学习:三种随机函数random.seed().numpy.random.seed().set_random_seed()及random_normal的简介.使用方法(固定种子)之详细攻 ...
- python random.seed()函数 (生成固定随机数)random.seed(None)(取消固定随机数种子)
我们调用 random.random() 生成随机数时,每一次生成的数都是随机的. 但是,当我们预先使用 random.seed(x) 设定好种子之后,其中的 x 可以是任意数字,如10,这个时候,先 ...
- python中random.seed(1)_Python-random.seed()
写在前面的话: 第一次在该平台写东西,而且还是写自己不熟悉的东西哈哈哈. 最近不知道为什么突然对Python很感兴趣,以致于在大后天就要考试的此刻还是想来码一篇关于Python的random.seed ...
- python random seed原理_numpy.random.seed()的使用实例解析
numpy.random.seed()的使用实例解析 这个函数的使用方法,已经有前辈讲解过了,只是自己在测试的时候有一些思考,所以便写了这篇博客.下面是前辈文章的原话: seed( ) 用于指定随机数 ...
最新文章
- 活动目录实战系列六(win98客户端加入域)
- 头条二面:宕机后,Redis如何实现快速恢复?
- html每个段落空前空两格,科普:为什么段落开始要空两格(两个汉字)?
- 高级开发必须理解的Java中SPI机制
- chrome更新flash player失败
- 对synchronized的一点理解
- 你是信用卡卡奴吗?怎么摆脱卡奴?
- body div js 放大图片_jquery图片放大插件鼠标悬停图片放大效果
- asp写入mysql拿shell_mysql误删数据快速恢复
- 【车联网】一文了解5G在车联网中的应用
- 真机上装不上测试应用,Installation error: INSTALL_FAILED_INSUFFICIENT_STORAGE
- freemarker和thymeleaf的使用样例
- GitHub的实现是否是基于此语言的支持网络编程性呢?
- Kruskal算法:贪心+并查集=最小生成树
- 关于在Windows64上编译程序出现相邻变量地址偏移相差32字节问题
- Ubuntu 16.04 使用 Libcoap
- SSRF漏洞原理及检测
- GeoServer发布OSM地图
- 网络工程师发展及待遇--学习
- 下一半***清除全集