最近总有同学问看不懂 np.random.seed(0) 的意思，下面给大家梳理下。

[Python] 纯文本查看 复制代码

import numpy as np

np.random.seed(0)
print(np.random.rand(2))
print(np.random.rand(2))

np.random.seed(1)
print(np.random.rand(2))
print(np.random.rand(2))

np.random.seed(0)
print(np.random.rand(2))
print(np.random.rand(2))

np.random.seed(1)
print(np.random.rand(2))
print(np.random.rand(2))

代码输出如下：

[] 纯文本查看 复制代码

[0.5488135  0.71518937]
[0.60276338 0.54488318]
[0.417022   0.72032449]
[1.14374817e-04 3.02332573e-01]
[0.5488135  0.71518937]
[0.60276338 0.54488318]
[0.417022   0.72032449]
[1.14374817e-04 3.02332573e-01]

通过以上代码我们可以发现，每次设置随机种子seed(0)后的随机数，再次运行的时候，还是和第一次运行产生的随机数是一致的，设置新的随机种子seed(1)后又会重新产生新的随机数。

最近总有同学问看不懂 np.random.seed(0) 的意思，下面给大家梳理下。

[Python] 纯文本查看 复制代码

import numpy as np

np.random.seed(0)
print(np.random.rand(2))
print(np.random.rand(2))

np.random.seed(1)
print(np.random.rand(2))
print(np.random.rand(2))

np.random.seed(0)
print(np.random.rand(2))
print(np.random.rand(2))

np.random.seed(1)
print(np.random.rand(2))
print(np.random.rand(2))

代码输出如下：

[] 纯文本查看 复制代码

[0.5488135  0.71518937]
[0.60276338 0.54488318]
[0.417022   0.72032449]
[1.14374817e-04 3.02332573e-01]
[0.5488135  0.71518937]
[0.60276338 0.54488318]
[0.417022   0.72032449]
[1.14374817e-04 3.02332573e-01]

通过以上代码我们可以发现，每次设置随机种子seed(0)后的随机数，再次运行的时候，还是和第一次运行产生的随机数是一致的，设置新的随机种子seed(1)后又会重新产生新的随机数。