同Seed下Python随机数跨机器不一致，如何实现跨平台可复现？

你遇到的问题确实是浮点数精度差异导致的——树莓派的ARM架构和笔记本的x86架构对浮点数的存储、解析逻辑存在细微差别，当你用非整数的浮点数作为random.seed()的参数时，这些微小的精度偏差会被随机数生成器放大，最终导致两边生成的随机数不一致。

下面是几个可行的解决方法：

• 改用整数作为种子（最推荐）
  整数的表示在不同机器上是完全一致的（只要Python版本相同，且整数在标准范围内）。你可以把原浮点数转换成一个精确的整数等价形式，比如根据浮点数的小数位数，将其乘以10的对应次方后取整：

  import random
  # 将原浮点数转换为整数种子
  seed_int = int(0.9849899567458751 * 10**16)
  random.seed(seed_int)
  print(random.random())
  

  这样在树莓派和Ubuntu笔记本上执行，生成的随机数会完全一致。

• 保存并恢复随机生成器状态
  如果需要复现整个随机数序列，可以在一台机器上获取随机生成器的状态，序列化后传输到另一台机器再恢复：

  # 步骤1：在树莓派上导出状态
  import random
  import pickle
  random.seed(0.9849899567458751)
  # 获取当前随机生成器的状态
  state = random.getstate()
  # 将状态保存到文件（或通过网络传输）
  with open("random_state.pkl", "wb") as f:
      pickle.dump(state, f)
  
  # 步骤2：在Ubuntu笔记本上导入状态
  import random
  import pickle
  with open("random_state.pkl", "rb") as f:
      state = pickle.load(f)
  # 恢复状态
  random.setstate(state)
  print(random.random())
  

  注意要保证两台机器的Python版本一致，否则pickle序列化的状态可能无法兼容。

• 使用跨平台一致性更好的随机数库
  标准库的random模块在某些细节上可能依赖系统实现，如果你需要更高的跨平台稳定性，可以使用numpy的随机数生成器——它的设计更注重跨架构、跨系统的一致性：

  import numpy as np
  # 同样用整数作为种子
  rng = np.random.default_rng(seed=int(0.9849899567458751 * 10**16))
  print(rng.random())
  

最后补充补充几个注意点：

• 始终确保两台机器使用相同版本的Python，不同版本的random模块可能有实现细节调整，会影响结果一致性。
• 尽量避免用浮点数作为随机种子，除非你能确认这个浮点数在所有目标机器上的二进制表示完全相同（这对于大部分非十进制有限小数的浮点数来说很难保证）。

内容的提问来源于stack exchange，提问作者rolly