Python numpy - 随机数的重现性答案

【问题标题】：Python numpy - Reproducibility of random numbersPython numpy - 随机数的重现性
【发布时间】：2013-04-25 16:57:35
【问题描述】：

我们有一个非常简单的程序（单线程），我们在其中生成一堆随机样本。为此，我们使用了多次调用numpy 随机函数（如normal 或random_sample）。有时一个随机调用的结果决定了另一个随机函数被调用的次数。

现在我想在一开始就种下一颗种子……我的程序的多次运行应该产生相同的结果。为此，我使用了numpy 类RandomState 的实例。虽然一开始就是这种情况，但有时结果会变得不同，这就是我想知道的原因。

当我正确地做所有事情，没有并发，因此线性调用函数并且没有涉及其他随机数生成器时，为什么它不起作用？

【问题讨论】：

向我们展示代码！如果没有一个最小的例子来证明你的问题，我们就不太可能有用！
你做的不对。众所周知，numpy 中的 PRNG 是好的。如果您希望我们相信您，请提供一个程序来播种 PRNG，然后在不同的运行中发出不同的输出。否则，它没有发生。

【解决方案1】：

好的，大卫是对的。 numpy 中的 PRNG 可以正常工作。在我创建的每个最小示例中，它们都按预期工作。

我的问题是另一个问题，但最后我解决了。不要在确定性算法中循环遍历字典。在调用 .item() 函数进入迭代器时，似乎 Python 对项目进行了任意排序。

所以我对出现这种错误并不感到失望，因为它提醒我们在尝试进行可重现的模拟时应该考虑什么。

【讨论】：

【解决方案2】：

如果可重复性对您来说非常重要，我不确定我是否完全相信任何 PRNG 在给定相同种子的情况下始终产生相同的输出。您可能会考虑在一个阶段捕获随机数，将它们保存以供重复使用；然后在第二阶段，重播您捕获的随机数。这是消除不可重现性可能性的唯一方法——它也解决了您当前的问题。

【讨论】：

如果 PRNG 没有为同一个种子产生相同的输出，它就会被破坏。
是的，但实际上它可能会被破坏。或者它不能在操作系统之间一致地移植。或者它在 Python 3 中可能有不同的结果。或或或。我的观点是，如果可重复性很重要，你可以通过记录和回放的方式来保证它。
众所周知，PRNG 很好，没有任何建议表明这只是单个 Python 版本、单个机器。