numpy: np.random.get_state()

最新推荐文章于 2024-09-15 06:47:59 发布

原创最新推荐文章于 2024-09-15 06:47:59 发布 · 4.2k 阅读

17 ·

CC 4.0 BY-SA版权

本文介绍如何使用numpy的get_state和set_state方法来保存和恢复随机生成器的状态，从而实现随机数和随机序列的精确复现。适用于需要固定随机种子以确保实验可重复性的场景。

state = np.random.get_state()

功能：获取随机生成器 np.random的状态
作用：常与np.random.set_state() 搭配使用。使随机生成器random保持相同的状态（state）
备注：具有相同state的随机生成器(random)的随机效果相同。随机生成器random，每执行一次，random的状态（state）就会变化一次，所以每次产生的随机数都不同，或随机操作的效果都不同。而当random的状态（state）不变时，多次执行random的同一操作具有相同的效果。

示例1：通过设置相同的state,使得两次生成的随机数相同

import numpy as np

state = np.random.get_state()
chance = np.random.randint(100)
np.random.set_state(state)
chance2 = np.random.randint(100)

print(chance,chance2)

示例2：通过设置相同的state,使得random.shuffle以相同的规律打乱两个列表，进而使得两个列表被打乱后，仍旧能维持两个列表间元素的一一对应关系。这一点在深度学习的标注数据集的打乱的过程中很有用。一一对应的image_list 与label_list，在分别打乱后，仍能维持一一对应的关系。

import numpy as np

images_list=[1,2,3,4,5,6,7,8,9]
labels_list=[1,2,3,4,5,6,7,8,9]

state = np.random.get_state()
np.random.shuffle(images_list)
np.random.set_state(state)
np.random.shuffle(labels_list)

print(images_list）
print(labels_list)