我已经阅读了文档，但我仍然难以理解如何区分使用 的不同之处。
numpy.random.RandomState(0)
numpy.random.seed(0)
它们不都确保随机值选择过程在每次运行中都相同和一致吗？
1个回答
12
numpy.random.seed(0) 会重新设置 numpy.random 命名空间下函数所使用的全局 RandomState 实例的状态。
numpy.random.RandomState(0) 返回一个新的、已经进行种子化的 RandomState 实例，但不会改变任何其他东西。您必须使用返回的 RandomState 实例才能获得一致的伪随机数。如果您使用 numpy.random 命名空间中的函数，则不会获得一致的伪随机数，因为它们使用的是与您刚创建的实例不同的 RandomState 实例。
如果您关心可重复性，最好将代码结构化以传递 RandomState 实例。全局状态很糟糕。参见：Consistenly create same random numpy array
- Robert Kern
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接