為什么我使用 Numba 得到與隨機數組相同的數字xoroshiro128p？我想要與 Numpy 隨機數組相同np.random.rand。from numba import cudafrom numba.cuda.random import create_xoroshiro128p_states, xoroshiro128p_uniform_float32import numpy as [email protected] rand_array(rng_states, out): thread_id = cuda.grid(1) x = xoroshiro128p_uniform_float32(rng_states, thread_id) out[thread_id] = xthreads_per_block = 4blocks = 3 rng_states = create_xoroshiro128p_states(threads_per_block * blocks, seed=1)out = np.zeros(threads_per_block * blocks, dtype=np.float32)rand_array[blocks, threads_per_block](rng_states, out)rar = np.random.rand(12).reshape(blocks, threads_per_block)print(out.reshape(blocks,threads_per_block))print()print(rar.reshape(blocks,threads_per_block))每次運行它時，我都會看到相同的數字。但np.random.rand效果很好。預先感謝您的幫助！
1 回答
慕容708150
TA貢獻1831條經驗 獲得超4個贊
發送種子=1，幾乎可以肯定意味著隨機數生成器（畢竟只是一個復雜的算法）在序列中完全相同的位置開始。因此生成相同的隨機數序列。
以完全可預測的方式生成相同序列的能力在測試中非常有用，但在生產環境中，您需要更不可預測的種子
嘗試 ：
rng_states = create_xoroshiro128p_states(threads_per_block * blocks, seed=time.time())
由于時鐘時間是不可預測的，因此序列將從不同的點開始生成，并且 rng_states 將遠不可預測。顯然，您需要import time在腳本開始時這樣做。顯然，這意味著您的代碼現在每次都會生成一個隨機序列，這將使測試變得困難。
添加回答
舉報
0/150
提交
取消