如何持久化Python random状态以跨程序运行复现随机游戏？

我需要保存应用当前的random生成器状态，用来复现过程中执行的大量随机操作。

初始实现及问题 #

初始代码如下：

import random
import pickle
from Model import Resnet
def main():
    fileName = "09-08-2022T200803"
    with open("data/" + fileName + ".txt", "rb") as rb:
        data = pickle.load(rb)
        random.setstate(data[0][0])
# data[0][0]是已保存的随机状态对象，文件仅做追加操作，该对象始终相同

    myNetwork = Resnet.Network()
    model = myNetwork.getModel()

    playGame(model, 4, fileName)

首次运行得到游戏结果：

Turn: 14, Action:251
Turn: 15, Action:33
Turn: 15, Action:186
Turn: 15, Action:16
GAME_FINISHED

但关闭程序重新运行后，结果不一致：

Turn: 13, Action:251
Turn: 14, Action:29
Turn: 14, Action:251
Turn: 15, Action:33
GAME_FINISHED

我发现同一程序内循环运行时能完全复现，但重启程序后不行，推测是Resnet.Network()初始化过程修改了随机状态。

第二种尝试及问题 #

另一种实现方式在同一程序运行时结果一致，但跨程序运行仍有差异：

def main():
    myNetwork = Resnet.Network()
    model = myNetwork.getModel()

    fileName = "09-08-2022T200803"
    with open("data/"+fileName+".txt", "rb") as rb:
        while True:
            data = pickle.load(rb)
            playGame(model, 4, fileName, data[0][0])
# 每次读取文件得到的data[0][0]是同一个对象，因此单程序运行时有效


def playGame(model, simulations, fileName, seedObject = None):
    if seedObject != None:
        random.setstate(seedObject)
    # ... 游戏逻辑

问题 #

请问如何正确将random生成器状态持久化到文件，以复现特定出问题的游戏过程？（当前游戏逻辑完全基于随机数）

核心问题是任何在random.setstate()之后、游戏逻辑执行之前的代码，只要调用了random模块的随机方法，都会改变生成器状态，导致复现失败。你的情况就是Resnet.Network()初始化过程中使用了随机数（比如权重初始化），打乱了已经恢复的状态。

方案1：分离随机实例（推荐） #

为神经网络初始化和游戏逻辑分别使用独立的随机生成器，避免状态冲突：

1. 修改Resnet.Network()的初始化逻辑，使用专属的random.Random()实例：

# Resnet.py中的Network类修改
class Network:
    def __init__(self):
        # 创建独立随机实例用于网络初始化
        self.rng = random.Random()
        # 后续权重初始化等操作都用self.rng，比如 self.rng.randn(...) 代替 random.randn(...)
    def getModel(self):
        # ... 原有逻辑

2. 主程序中先恢复游戏用的随机状态，再初始化网络：

import random
import pickle
from Model import Resnet
def main():
    fileName = "09-08-2022T200803"
    with open("data/" + fileName + ".txt", "rb") as rb:
        data = pickle.load(rb)
        # 先恢复游戏逻辑的随机状态
        random.setstate(data[0][0])

    # 网络初始化用独立随机实例，不会干扰全局random状态
    myNetwork = Resnet.Network()
    model = myNetwork.getModel()

    playGame(model, 4, fileName)

方案2：固定前置操作顺序（无法修改Resnet代码时使用） #

如果不能修改Resnet的代码，需保证首次运行和复现时的前置操作完全一致，再恢复游戏前的随机状态：

1. 首次运行时，先初始化网络，再保存游戏开始前的随机状态：

def main():
    # 先完成所有会消耗随机数的初始化操作
    myNetwork = Resnet.Network()
    model = myNetwork.getModel()

    # 保存此时的全局随机状态（游戏开始前的基准状态）
    game_start_state = random.getstate()
    fileName = "09-08-2022T200803"
    # 将game_start_state写入文件保存
    with open("data/" + fileName + ".txt", "wb") as wb:
        pickle.dump([[game_start_state]], wb)
    
    # 运行游戏
    playGame(model, 4, fileName)

2. 复现时，重复相同的初始化步骤，再恢复保存的状态：

def main():
    # 完全复刻首次运行的初始化流程
    myNetwork = Resnet.Network()
    model = myNetwork.getModel()

    fileName = "09-08-2022T200803"
    with open("data/" + fileName + ".txt", "rb") as rb:
        data = pickle.load(rb)
        # 恢复到游戏开始前的随机状态
        random.setstate(data[0][0])

    playGame(model, 4, fileName)

关键注意事项 #

• 所有会调用随机数的前置操作（如模块导入、对象初始化），在首次运行和复现时的顺序必须完全一致；
• 保存的随机状态必须是游戏逻辑开始前的最终状态，而非程序启动时的初始状态；
• pickle序列化random.getstate()的返回值是官方支持的可靠方式，无需担心兼容性问题。

内容的提问来源于stack exchange，提问作者Lidbey