1回答
我为蒙特卡洛模拟编写了一个Python程序，它调用使用内置随机数生成器(例如np.random.normal()或np.random.choice())的numpy函数，并导入一些c++函数(使用标准numpy c-api编译)，这些函数也使用随机数生成器。然而，为了在统计上是正确的，我需要numpy和numpy c-api函数使用相同的随机数<
浏览 8提问于2019-04-30得票数 1
3回答
我需要创建一个接受随机数生成器(即numpy.random.RandomState对象)作为参数的类。在未指定此参数的情况下，我想将其分配给numpy在运行numpy.random.<random-method>时使用的随机生成器。如何访问这个全局生成器？目前，我只是通过将模块对象指定为随机生成器(因为它们共享方法/鸭子类型)来做到这一点。我
浏览 7提问于2017-02-02得票数 9
回答已采纳
1回答
基本上，我有一个需要一些随机性的ufunc。为了尽可能保持ufuncs的可重复性，我想使用numpy的随机数生成器；基本上是因为这样设置种子会更直观。但是，我找不到numpy.random C-API的文档(它有吗？)。 我目前的方法看起来像这样： #include <numpy/random.h> // does not exist
...
浏览 10提问于2019-09-09得票数 0
1回答
我正在试图讽刺我所做的事情，这涉及到并行循环中的随机数生成。我想使用mtrand，但是由于它是Python代码，它不能从nogil块中工作，而且出于某种原因，mtrand的.pyx没有公开给我们其他人使用。我知道我可以使用rand或任何其他的can (例如gsl)；还有更标准的方法吗？
浏览 1提问于2015-01-07得票数 4
如何在"Python with numpy“代码中使用与C++0x代码相同的随机数生成器？我目前正在使用在C++和在Python中。我公开了C++的随机数生成器：RNG g_rng;
...class_<RNG>(&q
浏览 4提问于2011-02-17得票数 0
回答已采纳
我刚刚开始使用Theano，我想知道为什么第一次在gpu上创建共享变量似乎会影响numpy的随机数生成器。有时，这个初始的创建似乎提前了随机数生成器。在这段代码中，我探索了以下测试用例：from theano.compile.sharedvalue import shared
rand_
浏览 9提问于2015-01-01得票数 2
1回答
我并行运行相同代码的n个实例，并希望每个实例使用独立的随机数。为此，在开始并行计算之前，我创建了一个随机状态列表，如下所示：rand_states = [(rand.seed(rand.randint(2**32-1)),rand.get_state())[1] for j in range(n)]
然后，我将rand_states的一个元素传递给每个并行进程，在这个过程中我基本上是这样做的。能像我希望的
浏览 1提问于2019-05-06得票数 0
我使用numpy的随机功能已经有一段时间了，通过调用np.random.choice()或np.random.randint()等方法。我现在才发现创建default_rng对象或其他Generator对象的能力： from numpy.random import default_rngrandom_number= gen.integers(10) 到目前为止，我一直在使用 np.random.randint(10) 相反，我想知道这两种方式之间的区别是什么。我能
浏览 50提问于2020-03-09得票数 3
回答已采纳
1回答
多进程间的共享类
、、
我实现了以下代码：import time基本上，类RandomStater是np.random.choice方法的一个批处理版本，它预先计算了接下来要使用的大量随机样本。应该发生的是，self.d[num_actions]和self.i[num_actions]值是在第一个进程第一次执行方法choice时
浏览 4提问于2020-01-04得票数 0
回答已采纳
我有一个模拟，它要求每次迭代生成N随机数。然而，N取决于仿真的状态。由于N不同，下面对numpy.random()的调用会产生不同的结果。但是，我希望以下对numpy.random()的调用不受N的影响。我一直通过以下方法来解决这个问题：(1)在numpy.random()调用之前生成一个大的随机整数，然后(2)在numpy.random()调用之后将这个随机种子设置为这个整数(见下文)。是否有更好的</em
浏览 1提问于2020-02-25得票数 0
我想在Numpy中尝试不同的伪随机数生成器(PRNG)。这主要是一种学术好奇心，看看不同的算法如何比较。Numpy有没有直接指向不同的PRNG的方法，或者我需要修改源代码吗？
浏览 14提问于2020-05-26得票数 1
我在代码中碰到了这条线：我在中看到，numpy.random.RandomState是一个可以找到许多概率分布的库不过，我不明白1234的论点。有人能解释一下吗？
浏览 4提问于2015-05-25得票数 1
回答已采纳
1回答
由于它是一种随机积分，因此该算法严重依赖于随机数，即我在一个典型的运行中使用~ 10^8 - 10^9随机数。到目前为止，我并不在意随机数的“质量”--然而，这是我想要检查的东西。我的问题是: numpy使用的Mersenne是否足够了，或者是否有更好的随机数生成器可以使用？(在运行时和生成序列的质量方面更好)
任何建议或经验绝对是欢迎的，谢谢！
浏览 1提问于2017-09-01得票数 1
回答已采纳
2回答
我正在尝试理解random库的工作原理。我考虑了一些情况: 1)我有值b，它可以取概率为0.5的值0或1。我知道，我可以通过我想知道，选择某个值需要执行哪些步骤？它分离了这个段并得到了随机值？它是如何发生的？
2)或者，如果我有，也许可以列出一份清单。我可以给你一个通用的方法，random.choice(lst))，但我也想知道，在决策过程中会发生什么？
浏览 0提问于2016-11-17得票数 2
1回答
我想知道如何使用numpy缺省随机数生成器和Dask。
我认为这是因为文档是从numpy复制的。在numpy中，他们引入了一个，这样就可以拥有不同种子的rngs (与以前的全局numpy.random.seed不同)，但我不知道如何使用Dask随机函数。
浏览 4提问于2021-07-30得票数 1
1回答
我正在运行的代码可能会从随机数生成器的不同初始化中受益。我使用库torch和python。我使用以下几行代码在每次迭代开始时设置随机种子。import numpy as npprint(f"Seed: {seed}")torch.manual_seed(seed)
但是，由于某些原因，在(多次)迭代中，我观察到
浏览 3提问于2021-03-03得票数 3
我正在使用scikit-learn和numpy，我想设置全局种子，这样我的工作就可以重现。我应该使用numpy.random.seed还是random.seed
通过注释中的链接，我了解到它们是不同的，并且numpy版本不是线程安全的。我特别想知道应该使用哪一个来创建用于数据分析的IPython笔记本。scikit-learn中的一些算法涉及生成随机数，我希望确保notebook在
浏览 0提问于2015-06-26得票数 58
回答已采纳
4回答
我听说计算结果对随机数生成器的选择非常敏感。
1我想知道这是否与编程自己的Mersenne-Twister或其他伪随机例程相关，以获得一个好的数字生成器。而且，我不明白为什么我不应该信任本机生成器或库生成器作为numpy中的random.uniform()，C++中的rand()。我知道我可以自己为分布而不是均匀分布构建生成器(逆重分函数法，极值
浏览 2提问于2012-03-02得票数 2
回答已采纳
1回答
我正在使用Python C-API将一些C++代码包装为Python包。最后，我必须在numpy数组中反转一个轴，即做有没有什么方法可以使用Numpy C-API来做到这一点呢？我知道有转置和交换轴的例程，但我还没有找到太多关于索引的东西。
浏览 0提问于2011-08-09得票数 3
回答已采纳
y_predicted = classifier.predict(new_data)然而，对于相同的数据，我并没有得到一致的结果。0.60678034916768164 0.61652456354039786 0.58384084449857898为什么结果会
浏览 4提问于2017-02-12得票数 2
云服务器
ICP备案
云直播
对象存储
即时通信 IM
腾讯云开发者
