Python numpy random.SeedSequence用法及代码示例

本文简要介绍 python 语言中 numpy.random.SeedSequence 的用法。

用法:

class  numpy.random.SeedSequence(entropy=None, *, spawn_key=(), pool_size=4)

SeedSequence 以可重现的方式混合熵源，为独立且很可能不重叠的 BitGenerators 设置初始状态。

一旦实例化SeedSequence，您就可以调用 generate_state 方法来获取适当大小的种子。调用 spawn(n) 将创建n SeedSequences，可用于播种独立的BitGenerators，即用于不同的线程。

参数：

entropy： {无，整数，序列[整数]}，可选

创建 SeedSequence 的熵。

spawn_key： {()，序列[int]}，可选

第三个熵源，在调用 SeedSequence.spawn 时在内部使用

pool_size： {int}，可选

要存储的合并熵的大小。默认值为 4 以提供 128 位熵池。如果使用较大的 PRNG，8(对于 256 位)是另一个合理的选择，但选择另一个值几乎没有什么好处。

n_children_spawned： {int}，可选

已经产卵的孩子数量。仅当从序列化形式重建 SeedSequence 时才传递此参数。

注意：

实现可重现比特流的最佳实践是使用默认 None 作为初始熵，然后使用 SeedSequence.entropy 记录/ pickle entropy 以实现重现性：

>>> sq1 = np.random.SeedSequence()
>>> sq1.entropy
243799254704924441050048792905230269161  # random
>>> sq2 = np.random.SeedSequence(sq1.entropy)
>>> np.all(sq1.generate_state(10) == sq2.generate_state(10))
True

属性：

entropy：

n_children_spawned：

pool：

pool_size：

spawn_key：

state：