小编Pao*_*lo6的帖子

我想看看我的神经网络中哪个随机数生成器包更快。

我目前正在更改 github 中的代码，其中 numpy.random 和 random 包都用于生成随机整数、随机选择、随机样本等。

我更改此代码的原因是出于研究目的，我想设置一个全局种子，以便能够比较不同超参数设置的准确度性能。问题是此时我必须为 random 包和 numpy 包设置 2 个全局种子。理想情况下，我只想设置一个种子，因为来自两个随机数生成器序列的绘图可能会更快地相关联。

但是，我不知道哪个包会表现得更好（在速度方面）：numpy 或 random。因此，我想找到与完全相同的 Mersenne Twister 序列对应的两个包的种子。这样，两个模型的绘图是相同的，因此每个梯度下降步骤中的迭代次数也相同，导致速度差异仅由我使用的包引起。

我找不到任何关于种子对的文档，这些种子对两个包都以相同的随机数序列结束，而且尝试各种组合似乎有点麻烦。

我尝试了以下方法：

np.random.seed(1)
numpy_1=np.random.randint(0,101)
numpy_2=np.random.randint(0,101)
numpy_3=np.random.randint(0,101)
numpy_4=np.random.randint(0,101)
for i in range(20000000):
    random.seed(i)
    random_1=random.randint(0,101)
    if random_1==numpy_1:
        random_2=random.randint(0,101)
        if random_2==numpy_2:
            random_3=random.randint(0,101)
            if random_3==numpy_3:
                random_4=random.randint(0,101)
                if random_4==numpy_4:
                    break
print(np.random.randint(0,101))
print(random.randint(0,101))

但这并没有像预期的那样真正奏效。