來自 Andrej Karpathy（@karpathy）的推文串

在今天的程式設計恐怖故事中… 在 Python 文件中關於 random.seed() 函數的定義中，我們得知… 「如果 a 是整數，則直接使用。」[1] 但如果你用 3 或 -3 作為種子，實際上會得到完全相同的隨機數產生器對象，產生相同的資料流。 （我今天才知道）。在 NanoChat 中，我曾以為自己很巧妙地利用這個符號來為訓練集/測試集分割產生不同的隨機數序列。結果卻出現了棘手的 bug，因為現在訓練集和測試集的隨機數序列都相同了。 我在 cpython/Modules/_randommodule.c [2] 中找到了相關的 CPython 程式碼，在第 321 行的註解中可以看到： “此演算法依賴無符號數。因此：如果參數是 PyLong 類型，則使用其絕對值。” n = PyNumber_Absolute(arg); 它會明確地對你的種子呼叫 abs() 函數，使其變成正數，並丟棄符號位。 但這則評論實際上也是錯誤的/誤導性的。 Python 底層呼叫的是梅森旋轉演算法 MT19937，該演算法通常有 19937 位元（非零）狀態。 Python 會將你的整數（或其他物件）的資訊「分散」到這些位元上。原則上，符號位元可以用來擴展狀態位元。該演算法本身並沒有「依賴無符號數」。最終決定不使用符號位（我認為這是個錯誤）。一個簡單的例子是將 n 對應到 2*abs(n) + int(n 相同的序列。 但並不能保證不同的種子會產生不同的序列。因此，原則上，Python 並不保證例如 seed(5) 和 seed(6) 是不同的隨機數產生器流。 （儘管在許多應用程式中，這通常被隱式地假設為不同的隨機數產生器流。）事實上，我們看到 seed(5) 和 seed(-5) 是相同的流。而且，你最好不要用它們來區分機器學習中的訓練/測試行為。這是我最近遇到的最有趣的程式設計陷阱之一。我們下期再見。 [1] https://t.co/srv1ZBlDsi [2]

感謝 GitHub 用戶 ericsilberstein1 發現這個 bug。 https://t.co/1github.com/karpathy/nanoc…而且只在拼字比賽的綜合任務評估中出現，但還是值得注意。）