numpy 随机正常种子时间 - Python

简介

在机器学习和深度学习的任务中，经常需要使用到随机数。而随机数的生成即需要一个种子，生成的结果也会受到该种子的影响。numpy是Python中用于生成随机数的一个常用库，同时也提供了种子生成函数。本文将介绍如何使用numpy生成随机正常分布，并且如何使用时间作为种子。

生成随机正常分布

我们可以使用numpy的randn函数来生成随机的正常分布数，该函数的参数代表生成数的个数。例如，生成10个正常分布数的代码如下：

import numpy as np

random_nums = np.random.randn(10)
print(random_nums)

输出结果如下：

[-0.26248949  1.25403228  0.081553    0.75719723 -0.85989867  0.67739055
 -0.56087717  1.46377611 -0.72325949  0.90315226]

生成随机种子

我们可以使用当前时间，将其转换为整数，作为种子生成随机数。由于当前时间不断变化，所以每次生成的随机数也不同。我们可以使用Python自带的time模块来获取当前时间戳，然后将其转换为整数作为numpy的随机种子。代码如下：

import numpy as np
import time

# 获取当前时间戳
seed = int(time.time())

# 使用时间戳作为种子生成随机正常分布
np.random.seed(seed)
random_nums = np.random.randn(10)
print(seed)
print(random_nums)

输出结果如下：

1612314164
[-1.03248815  0.99717242  1.02029739 -0.84500578 -0.49884538  0.00487439
  0.5408394  -0.71979949 -1.09412527 -0.7213936 ]

结论

通过本文的介绍，我们了解了如何使用numpy生成随机正常分布，并且如何使用时间作为随机种子。如果我们需要每次生成的随机数不同，可以使用时间作为种子。