python编程中，各种随机种子seed设置总结

python随机种子seed的作用（强化学习常用到）_汀、的博客-CSDN博客先上代码import mathimport gymfrom gym import spaces, loggerfrom gym.utils import seedingimport numpy as npclass CartPoleEnv(gym.Env): def __init__(self): super().__init__() self.seed() def seed(self, seed=None): #sehttps://blog.csdn.net/sinat_39620217/article/details/123482020?spm=1001.2014.3001.5501

首先导入库：

# 导入模块
import random
import numpy as np
import tensorflow as tf
import torch
import time

下面先展示python内置random函数、numpy中的random函数、tensorflow及pytorch中常见的seed使用方式（注：pytorch仅以CPU为例)：

seed = 1

random.seed(seed)
np.random.seed(seed)
tf.random.set_seed(seed)
torch.manual_seed(seed)

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

a = random.sample(list,5)
b = np.random.randn(5)
c = tf.random.normal([5])
d = torch.randn(5)

print(time.strftime("%Y-%m-%d %H:%M:%S", time.localtime()))
print('python内置输出：',a)
print('*' * 60)
print('numpy输出：',b)
print('*' * 60)
print('tensorflow输出：',c)
print('*' * 60)
print('pytorch输出',d)

# 第一次运行输出：
2021-01-17 17:51:36
python内置输出： [3, 2, 9, 1, 4]
************************************************************
numpy输出： [ 1.62434536 -0.61175641 -0.52817175 -1.07296862  0.86540763]
************************************************************
tensorflow输出： tf.Tensor([-1.1012203   1.5457517   0.383644   -0.87965786 -1.2246722 ], shape=(5,), dtype=float32)
************************************************************
pytorch输出 tensor([ 0.6614,  0.2669,  0.0617,  0.6213, -0.4519])

# 第二次运行输出：
2021-01-17 17:52:10
python内置输出： [3, 2, 9, 1, 4]
************************************************************
numpy输出： [ 1.62434536 -0.61175641 -0.52817175 -1.07296862  0.86540763]
************************************************************
tensorflow输出： tf.Tensor([-1.1012203   1.5457517   0.383644   -0.87965786 -1.2246722 ], shape=(5,), dtype=float32)
************************************************************
pytorch输出 tensor([ 0.6614,  0.2669,  0.0617,  0.6213, -0.4519])