随机数种子（Seed）设置

随机数种子（Seed）的原理

随机数生成器（RNG）本质是一个确定性算法：给定相同的初始状态（种子），它会生成完全相同的伪随机数序列。种子是算法的“起点”，其核心规则是：

---

1. 初始化状态：种子决定RNG的初始内部状态（如线性同余法中的初始值）
2. 确定性序列：后续每次生成随机数的结果完全由当前状态推导得出
3. 状态演进：每次调用随机函数（如np.random.rand()）都会改变RNG的内部状态

---

关键问题：为什么相同种子下变量值不同？

当两段代码中随机数生成顺序不同时（例如先调用x_test再调用x_init），即使种子相同，后续生成的变量也会不同。这是因为RNG的状态被中间操作改变了。

示例：顺序不同导致结果不同

# 代码段A（生成顺序：x1 -> x2）
set_seed(42)
x1 = np.random.rand(1)  # 输出[0.37454012]
x2 = np.random.rand(1)  # 输出[0.95071431]

# 代码段B（生成顺序：x3 -> x2）
set_seed(42)
x3 = np.random.rand(1)  # 输出[0.37454012]
x2 = np.random.rand(1)  # 输出[0.95071431] ❌ 此时x2与代码段A中的x2相同

保证一致性的5个核心原则

1. 统一生成顺序

在所有代码中严格保持随机变量的生成顺序。这是最直接的解决方案。

# 正确做法（统一顺序）
def code_version_1():
    set_seed(42)
    x_train = np.random.rand(10, 1)  # 必须作为第一个随机操作
    x_test = np.random.rand(10, 1)   # 第二个操作

def code_version_2():
    set_seed(42)
    x_train = np.random.rand(10, 1)  # 顺序必须完全一致
    x_test = np.random.rand(10, 1)

2. 隔离随机数生成器

使用独立的RNG实例，避免全局状态污染（适用于复杂项目）。

# 创建独立RNG实例
rng_train = np.random.default_rng(seed=42)  # 专门用于训练数据
rng_test = np.random.default_rng(seed=42)   # 专门用于测试数据

x_train = rng_train.random((10, 1))  # 不影响rng_test的状态
x_test = rng_test.random((10, 1))

3. 关键操作后重置种子

在需要生成相同功能的变量前，强制重置种子。

def generate_data():
    # 生成x_init前重置种子
    set_seed(42)
    x_init = np.random.rand(10, 1)
    
    # 生成x_test前再次重置
    set_seed(42)
    x_test = np.random.rand(10, 1)
    return x_init, x_test  # 此时x_init与x_test完全相同

4. 封装随机操作

将随机生成过程抽象为函数，控制种子调用。

# 封装随机数生成逻辑
def generate_with_seed(seed, shape):
    rng = np.random.default_rng(seed)
    return rng.random(shape)

x_train = generate_with_seed(42, (10, 1))  # 隔离的生成过程
x_test = generate_with_seed(42, (10, 1))   # 独立调用保证一致性

5. 跨库种子同步

若涉及多库（如numpy、random、torch），需分别设置种子。

def set_seed_all(seed=42):
    # 统一设置所有库的种子
    np.random.seed(seed)
    random.seed(seed)
    torch.manual_seed(seed)
    if torch.cuda.is_available():
        torch.cuda.manual_seed_all(seed)

set_seed_all(42)  # 确保所有库的RNG状态同步

验证一致性的方法

# 验证代码示例
set_seed(42)
ref_data = np.random.rand(10, 1)  # 参考数据

def test_consistency():
    set_seed(42)
    new_data = np.random.rand(10, 1)
    assert np.allclose(ref_data, new_data), "随机数不一致！"

常见错误场景与修复

错误场景	现象	修复方案
不同代码中随机操作顺序不同	x_train和x_init生成值不同	统一生成顺序或隔离RNG实例
未设置跨库种子	NumPy和Python内置random模块输出不一致	使用set_seed_all统一设置所有库
多线程/进程中使用全局RNG	并行操作导致状态混乱	每个线程使用独立RNG实例

---

通过以上原则，可以确保在不同代码版本、甚至不同编程语言中，只要遵循相同的种子管理策略，即可实现随机变量生成的高度一致性。这是可重复科学研究与工程部署的基石。