随机种子seed设置和知识

机器学习中经常需要设置随机种子，在此记录一下一些知识和常见的设置

1.了解

1.为什么需要设置seed

设置随机种子是为了确保实验的可重复性。在机器学习和深度学习中，很多操作（如权重初始化、数据增强、批处理顺序等）都会涉及到随机性。如果不设置随机种子，每次运行程序时可能会得到不同的结果。通过设置随机种子，你可以确保每次运行的实验使用相同的随机数序列，从而得到一致的结果，便于调试和结果比较。
一句话总结：为了可控，实验结果可重复

2.conda 环境需要安装random吗

不需要在 Conda 环境中单独安装 random，因为它是 Python 标准库的一部分。random 模块默认随 Python 一起安装，所以只要你的 Conda 环境中安装了 Python，就已经包含了 random 模块。

3.在python代码的一个类中import random中设置随机种子，另外一个类中import random还需要设置随机种子吗

在 Python 中，random 模块的状态是全局的，这意味着一旦你在某处设置了随机种子，例如通过 random.seed()，它会影响整个程序中所有使用 random 模块生成的随机数。

因此，如果你在某个类或模块中已经使用 random.seed() 设置了种子，那么其他地方导入 random 模块时，不需要再重复设置种子，除非你希望在不同的地方使用不同的随机数序列。

4.对于numpy，np.random也是像random一样一处设置即可吗

是的，np.random（NumPy 的随机数生成器）和 Python 标准库的 random 模块一样，它的随机数生成器也是全局的。这意味着，一旦你在某处通过 np.random.seed() 设置了随机数种子，这个种子会影响到整个程序中所有使用 np.random 生成的随机数，除非你在其他地方显式地重新设置种子

2.设置

1.env 设置seed

	以openAI的gym为例
	#创建完环境后
	env = gym.make(env_id)
    一个是环境需要设置seed，然后动作空间也需要设置seed
    env.seed(seed)
    env