如何让numpy与cupy使用相同种子生成一致随机矩阵？

问题背景 #

通过以下方式切换导入NumPy或CuPy：

import numpy as np
# import cupy as np

执行随机矩阵生成代码：

np.random.seed(0)
X = np.random.rand(4, 3)

发现两者生成的矩阵结果差异极大：

• NumPy生成的矩阵：

[[0.5488135  0.71518937 0.60276338]
 [0.54488318 0.4236548  0.64589411]
 [0.43758721 0.891773   0.96366276]
 [0.38344152 0.79172504 0.52889492]]

• CuPy生成的矩阵：

[[0.43845084 0.4603647  0.25021471]
 [0.49474377 0.05301112 0.33769926]
 [0.39676252 0.87441866 0.48216683]
 [0.0428398  0.50841419 0.6545497 ]]

解决方案 #

核心原因是两者默认的随机数生成器实现或全局状态初始化逻辑不一致，通过以下方法可以实现结果对齐：

• 使用显式的RandomState对象
  NumPy和CuPy都支持RandomState类（基于MT19937随机数算法），且两者的实现是对齐的。避免使用全局的np.random.seed()，改用显式生成器对象控制随机状态：

  NumPy版本代码：

  import numpy as np
  # 初始化兼容的随机数生成器
  rng = np.random.RandomState(0)
  X = rng.rand(4, 3)
  

  CuPy版本代码：

  import cupy as np
  # 初始化兼容的随机数生成器
  rng = np.random.RandomState(0)
  X = rng.rand(4, 3)
  

• 验证结果
  执行上述代码后，CuPy生成的矩阵会和NumPy原结果完全一致，即：

  [[0.5488135  0.71518937 0.60276338]
   [0.54488318 0.4236548  0.64589411]
   [0.43758721 0.891773   0.96366276]
   [0.38344152 0.79172504 0.52889492]]
  

补充说明 #

全局的np.random.seed()在不同库中可能因为默认生成器（比如NumPy新版默认用PCG64，而CuPy全局生成器可能采用不同实现）导致状态初始化不一致，因此显式使用RandomState是确保跨库随机结果一致的可靠方式。

内容的提问来源于stack exchange，提问作者Atharva