随机种子在Python中的实现

这一章，咱们来聊聊实际操作。

随机种子这个东西，说白了就是个「启动开关」。你把这个开关拧到同一个位置，后面跑出来的随机数序列就一模一样。我刚开始接触这玩意的时候，觉得它挺神秘的。后来踩过几次坑，才真正理解它的重要性。

Python生态里，搞随机性的库有好几个。每个库都有自己的种子管理系统。你得挨个设置，才能让整个实验变得可复现。

Python 标准库 random

这是最基础的随机数生成器。我平时写小脚本、做数据采样的时候经常用到它。

设置它的种子很简单：

import random

# 设置种子
random.seed(42)

# 生成随机数
print(random.random())    # 0.6394267984578837
print(random.randint(1, 100))  # 82

注意了，这个种子是全局的。你设一次，整个程序里所有 random 的调用都会受影响。

我曾经在写自动化测试脚本时犯过一个错：测试用例里调了 random.seed()，结果把后面所有依赖随机性的逻辑全打乱了。排查了好久才发现问题。

NumPy 的随机种子

做数据科学和深度学习，NumPy 是绕不开的。它的随机数生成器跟标准库是两套独立系统。

NumPy 早期版本和现在的 API 有点不同。我建议你用新的方式：

import numpy as np

# 创建一个独立的随机数生成器（推荐方式）
rng = np.random.default_rng(seed=42)

# 生成随机数组
print(rng.random(3))       # [0.77395605 0.43887844 0.85859792]
print(rng.normal(0, 1, 3)) # 正态分布采样

老版本的做法是全局设置：

# 全局设置（不推荐，但很多旧代码在用）
np.random.seed(42)
print(np.random.rand(3))

我个人习惯用新的 default_rng 方式。每个生成器实例独立管理状态，互不干扰。这在写大型实验框架的时候特别有用。

PyTorch 的种子设置

搞深度学习的朋友对这个应该很熟悉。PyTorch 的随机性来源很多：参数初始化、数据加载、dropout、数据增强……

要确保可复现，你得把能设的种子全设上：

import torch
import random
import numpy as np

# 设置所有种子
random.seed(42)
np.random.seed(42)
torch.manual_seed(42)

# 如果使用 CUDA
if torch.cuda.is_available():
    torch.cuda.manual_seed(42)
    torch.cuda.manual_seed_all(42)  # 多GPU

# 设置确定性算法（牺牲一些性能）
torch.backends.cudnn.deterministic = True
torch.backends.cudnn.benchmark = False

设置 deterministic = True 这一步很重要。我遇到过这种情况：种子明明设了，每次跑结果还是不一样。最后发现是 CuDNN 的卷积算法选择有随机性。

嗯，这里要注意 torch.cuda.manual_seed_all 这个函数。它是对所有 GPU 同时设种子。如果你单卡用 manual_seed 就行。

TensorFlow 的种子设置

TensorFlow 这边，种子设置入口不太一样。

import tensorflow as tf
import random
import numpy as np

# 设置基础种子
random.seed(42)
np.random.seed(42)
tf.random.set_seed(42)

# TF 2.x 的随机种子
tf.random.set_seed(42)

# 操作级别的种子（可选）
initializer = tf.keras.initializers.GlorotUniform(seed=42)

TensorFlow 有一个比较坑的地方：它的某些操作（比如 dropout 或 shuffle）默认不固定随机性。你得显式传 seed 参数。

我有个朋友，他训练一个模型，所有种子都设了，每次评估结果还是差几个点。排查了半天，发现是 tf.data.Dataset.shuffle() 没设 seed。

多库联合设置的最佳实践

做一个可复现的实验，你得像个强迫症患者一样把所有种子都管起来。

我一般会封装一个函数：

def set_all_seeds(seed=42):
    """统一设置所有随机种子"""
    import random
    import numpy as np
    import torch
    
    random.seed(seed)
    np.random.seed(seed)
    torch.manual_seed(seed)
    
    if torch.cuda.is_available():
        torch.cuda.manual_seed_all(seed)
        torch.backends.cudnn.deterministic = True
        torch.backends.cudnn.benchmark = False
    
    # 如果用了 TensorFlow，再加上
    # import tensorflow as tf
    # tf.random.set_seed(seed)
    # tf.compat.v1.set_random_seed(seed)

把这个函数放在实验入口的第一行调用。这样就能保证从头到尾的随机性都受控制。

对比小结

不同库的种子设置方法，可以用这个表格快速对比：

每次写实验代码，我都会记得调用那个统一设置的函数。这已经成了我的肌肉记忆了。