如何将numpy种子恢复到以前的状态

Question

我有一个函数可以做一些随机的事情。。

我想给它输入种子，所以对于相同的种子，输出将是相同的。。

但一开始就这样启动种子：

def generate_random_number(seed):
np.random.seed(seed)
magics = np.random.random(1)
more_magics = ...
return magics, more_magics

将导致调用此方法后，种子被破坏。

有没有办法"；保存"；当前种子状态并稍后恢复？

所以它看起来像这样：

def generate_random_number_without_ruining_for_others(seed):
old_seed = np.random.get_seed()
np.random.seed(seed)
magics = np.random.random(1)
more_magics = ...

np.random.seed(old_seed)
return magics, more_magics

当然，命令：np.random.get_seed()是一个虚构的函数。。有这样的东西吗？或者生成"；"随机"；(直到种子输入(输出而不破坏每个人的随机性状态？

(实际的随机过程在实践中要复杂得多，它在循环中生成矩阵，所以为了简单起见，我想坚持一开始就启动种子的格式(

Answer 1

AFAIK，您不能重置默认的随机生成器。实际上seed的文档中说不要使用它：

这是一个方便的遗留功能。

最佳做法是不要为BitGenerator重新设定种子，而是
重新创建一个新的。此方法是出于遗留原因而出现的
此示例演示了最佳实践。

>>> from numpy.random import MT19937
>>> from numpy.random import RandomState, SeedSequence
>>> rs = RandomState(MT19937(SeedSequence(123456789)))

基于此，您可以构建自己的随机引擎并保存随机状态。这里有一个例子：

import numpy as np
rs = np.random.RandomState(np.random.MT19937(np.random.SeedSequence(123456789)))
savedState = rs.get_state()    # Save the state
v1 = rs.randint(0, 100, 7)     # array([28, 72, 18, 84,  6, 78, 92])
v2 = rs.randint(0, 100, 7)     # array([60, 91,  4, 29, 43, 68, 52])
rs.set_state(savedState)       # Reset the state
v3 = rs.randint(0, 100, 7)     # array([28, 72, 18, 84,  6, 78, 92])
v4 = rs.randint(0, 100, 7)     # array([60, 91,  4, 29, 43, 68, 52])
assert(np.array_equal(v1, v3)) # True
assert(np.array_equal(v2, v4)) # True