来自 Andrej Karpathy（@karpathy）的推文线程

在今天的编程恐怖故事中…… 在 Python 文档中关于 random.seed() 函数的定义中，我们得知…… “如果 a 是整数，则直接使用。”[1] 但如果你用 3 或 -3 作为种子，实际上会得到完全相同的随机数生成器对象，产生相同的数据流。（我今天才知道）。在 NanoChat 中，我曾以为自己很巧妙地利用这个符号来为训练集/测试集划分生成不同的随机数序列。结果却出现了棘手的 bug，因为现在训练集和测试集的随机数序列相同了。 我在 cpython/Modules/_randommodule.c [2] 中找到了相关的 CPython 代码，在第 321 行的注释中可以看到： “此算法依赖于无符号数。因此：如果参数是 PyLong 类型，则使用其绝对值。” n = PyNumber_Absolute(arg); 它会显式地对你的种子调用 abs() 函数，使其变为正数，并丢弃符号位。 但这条评论实际上也是错误的/误导性的。Python 底层调用的是梅森旋转算法 MT19937，该算法通常有 19937 位（非零）状态。Python 会将你的整数（或其他对象）的信息“分散”到这些位上。原则上，符号位可以用来扩展状态位。该算法本身并没有“依赖于无符号数”。最终决定不使用符号位（我认为这是个错误）。一个简单的例子是将 n 映射到 2*abs(n) + int(n 相同的序列。 但并不能保证不同的种子会产生不同的序列。因此，原则上，Python 并不保证例如 seed(5) 和 seed(6) 是不同的随机数生成器流。（尽管在许多应用程序中，这通常被隐式地假设为不同的随机数生成器流。）事实上，我们看到 seed(5) 和 seed(-5) 是相同的流。而且，你最好不要使用它们来区分机器学习中的训练/测试行为。这是我最近遇到的最有趣的编程陷阱之一。我们下期再见。 [1] https://t.co/srv1ZBlDsi [2]

感谢 GitHub 用户 ericsilberstein1 发现这个 bug。 https://t.co/1github.com/karpathy/nanoc…而且只在拼写比赛的综合任务评估中出现，但还是值得注意。）