3. NumPy 随机种子设置与全局种子归纳

NumPy 的随机模块，是我们做数据科学、深度学习时打交道最多的组件之一。说实话，很多初学者甚至工作了几年的人，在随机种子这块都吃过亏。我自己刚入行时，就曾因为种子设置的位置不对，导致整个实验结果无法复现，结果被导师骂了一顿。今天咱们就把这件事彻底讲清楚。

你看，NumPy 的随机机制，本质是一个“全局状态机”。你每调用一次 np.random.seed()，就是在重置这台机器的状态。后面所有的随机数生成，都从这点出发。所以，理解它的工作方式，是保证复现性的第一步。

3.1 np.random.seed() 的工作方式

这个函数的作用很直接：初始化伪随机数生成器的内部状态。你给它一个整数，它就根据这个整数，计算出后续所有随机数的起点。

一个简单的例子：

import numpy as np

np.random.seed(42)
print(np.random.rand(3))  # 输出: [0.37454012 0.95071431 0.73199394]

np.random.seed(42)
print(np.random.rand(3))  # 输出: [0.37454012 0.95071431 0.73199394]

看到了吗？只要种子相同，结果就完全相同。这叫做“确定性随机”。

但要注意，种子只影响调用它之后的随机操作。如果你在代码中间重新设置种子，以前生成的随机数不会受影响——因为它们已经“固化”了。

3.2 全局种子 vs. 局部种子

很多人以为 np.random.seed(42) 是全局有效的。其实，它改变的是全局随机数生成器的状态。在同一个进程里，所有 np.random.* 函数都共享这个生成器。

这就会带来一个问题：如果你在代码里意外地调用了别的随机操作（比如数据打乱、Dropout），即使你把种子设好了，结果也可能不一样。我曾在一次模型训练中遇到过这种情况：明明种子一样，每次跑出来的 loss 曲线却不一致。查了半天才发现，是数据加载时调用了 np.random.shuffle，而 Shuffle 的顺序依赖于全局生成器的状态。

所以，全局种子 只适用于“干净”的实验环境——即你完全掌控了所有随机操作。

那什么是“局部种子”呢？其实就是用 np.random.RandomState 或 np.random.Generator 创建独立的随机数生成器。这样，每个模块都有自己的状态，互不干扰。

3.3 常用的种子设置模式

我总结了三种实践中常见的模式，你可以直接复用：

模式一：单文件实验

适合简单的脚本、Notebook 或一次性实验。在文件开头设置一次种子。

import numpy as np

np.random.seed(42)
# 之后的随机操作都会基于此种子

模式二：多模块实验

适合较大的项目，每个模块都需要自己的随机序列。用 RandomState 创建独立生成器。

import numpy as np

# 全局种子用于控制整体随机性
np.random.seed(42)

# 为数据模块创建独立生成器
data_rng = np.random.RandomState(2023)
X = data_rng.randn(100, 10)
y = data_rng.randint(0, 2, 100)

# 为模型模块创建独立生成器
model_rng = np.random.RandomState(2024)
weights = model_rng.randn(10, 1)

模式三：结合哈希的种子

适合交叉验证、超参数搜索等场景，让你可以通过一个基础种子衍生出一系列不同的种子。

import hashlib
import numpy as np

base_seed = 42
for fold in range(5):
    seed = int(hashlib.sha256(f'{base_seed}_{fold}'.encode()).hexdigest(), 16) % (2**32)
    rng = np.random.RandomState(seed)
    # 用 rng 做该折的随机操作

这样做的好处是：每个 fold 的随机序列既独立，又能通过基础种子完全复现。

3.4 全局种子管理的常见误区

这里我列出几个我亲眼见过或自己踩过的坑：

3.5 NumPy 新老随机 API 的对比

NumPy 1.17 引入了新的随机 API，我建议新项目直接用它。老的 np.random.seed() 和 np.random.RandomState 不会退役，但做新东西时，用新的总归更省心。

# 老方式
np.random.seed(42)
rng = np.random.RandomState(42)

# 新方式
from numpy.random import Generator, PCG64
rng = Generator(PCG64(42))

新生成器 Generator 的种子设置更灵活，而且性能更好。比如，你可以这样设置种子来保证复现：

from numpy.random import Generator, PCG64

# 用序列设置种子
seed = 42
rng = Generator(PCG64(seed))

# 用位数组设置种子（更安全）
import secrets
seed_bytes = secrets.token_bytes(16)
rng = Generator(PCG64(seed_bytes))

嗯，这里要注意：如果你用 PCG64，种子最好是一个 32 位无符号整数。超出这个范围时，NumPy 会对种子取模，可能导致不同种子得到相同序列——这也是我以前踩过的坑。

3.6 本章知识点框架

下面的图帮你理清。记住这个结构，以后遇到种子问题就不慌了。

3.7 最佳实践总结

说了这么多，最后给出一套我自己的操作清单。你写代码时对着检查就行：

1. 明确需求：你的实验是否需要绝对的确定性？如果只是调试，可以用固定种子；如果是线上服务，需要随机性，那就别用种子。
2. 选择生成器：新项目一律用 np.random.Generator；老项目维护可以用 RandomState 保持兼容。
3. 隔离随机性：每个功能模块使用独立的 RandomState 或 Generator 实例。
4. 记录种子：把种子值写入日志或配置文件，方便回溯。
5. 测试复现性：写一段代码，在相同的种子下运行两次，检查结果是否一致。

说实话，种子管理听起来是小事，但它直接决定了你的实验能不能被人信任。一个不能被复现的结果，本质上就是一次无法验证的随机事件。希望今天的内容，能帮你从此告别“随机无法复现”的噩梦。