如何获取numpy Generator的随机种子以复现科学代码问题？

针对你的问题，以下是可行的解决办法：

1. 为什么get_state()报错？ #

你遇到的AttributeError大概率是因为numpy版本过低——Generator类的get_state()和set_state()方法是在numpy 1.17版本中引入的。先执行升级命令更新numpy：

pip install --upgrade numpy

2. 不预定义种子的前提下复现结果的两种方法 #

方法一：捕获自动生成的初始种子 #

当你用seed=None创建Generator时，numpy会通过系统熵自动生成一个初始种子。你可以在创建生成器时显式捕获这个种子，既不用手动指定，又能保留复现能力：

import numpy as np

# 生成随机种子（和default_rng(None)的逻辑一致）
seed_seq = np.random.SeedSequence()
rng = np.random.default_rng(seed_seq)

# 保存初始种子，后续可用来重建相同的初始生成器
initial_seed = seed_seq.entropy
print(f"自动生成的初始种子：{initial_seed}")

# 复现时直接用该种子创建生成器
rng_reproduce = np.random.default_rng(initial_seed)

方法二：保存/恢复生成器的当前状态（更灵活） #

如果你需要复现的是生成器在某个中间步骤的状态（比如已经生成了部分随机数之后的状态），使用get_state()和set_state()是更可靠的方式——它会保存生成器的完整内部状态，而非仅仅初始种子：

import numpy as np

# 创建生成器
rng = np.random.default_rng(None)

# 生成一些随机数
print(rng.random(3))  # 示例输出：[0.234 0.567 0.890]

# 保存当前状态
current_state = rng.get_state()

# 继续生成随机数
print(rng.random(2))  # 示例输出：[0.123 0.456]

# 恢复状态
rng.set_state(current_state)

# 再次生成，结果会和保存状态后的输出完全一致
print(rng.random(2))  # 输出：[0.123 0.456]

注意事项 #

• 不要依赖Generator或其bit generator的私有属性（比如_seed），这些属性不属于公开API，可能在numpy版本更新中被修改或移除。
• 如果只需要复现整个流程的初始状态，方法一更简洁；如果需要复现中间步骤，方法二更合适。

内容的提问来源于stack exchange，提问作者Abel Gutiérrez