scipy linalg deterministic/non-deterministic 代码

Question

我运行使用下面的代码从scipy中使用这个SVD求解器：

import numpy as np
from scipy.sparse.linalg import svds

features = np.arange(9,dtype=np.float64).reshape((3,3))
for i in range(10):
    _,_,V = svds(features,2)
    print i,np.mean(V)

我希望打印的平均值每次都相同，但是它会发生变化并且似乎会循环显示一些最喜欢的值。由于 optimisation/random 播种级别低，我很乐意接受这种行为。

我不太明白为什么每次我运行该脚本时它都会以相同的顺序输出相同的值。对我来说，这似乎是半确定性和半非确定性的。

这个问题正在影响一些更复杂的处理，如果能理解它就好了，这样我至少可以做一些 hacky 解决方法。

Answer 1

我自己没有测试（现在在没有 Python shell 的平板电脑上），我相信这是由于与近似值使用的初始化起点相关的一些奇怪的行为svds 最终调用的特征求解器库 ARPACK。

如果您在第一次调用 svds, v0 (the starting point in question) is handled only in _ArpackParams, where it's set to zeros and the info parameter set to 0 if v0 is None; otherwise, v0 is kept as its value and info is 1. Then we go into the realm of ~~dragons~~ Fortran, calling (if the matrix is doubles) the function dsaupd, which I didn't fully check but I'm assuming eventually calls cgetv0 when a random starting point is requested. This function appears to initialize the LAPACK RNG seed to 1357 时遵循 Python 代码。

因此，如果您不对 ARPACK 进行任何其他调用（或者可能是其他 LAPACK 事物，不确定它们如何相互作用），那么您每次都会使用相同的种子启动 RNG，从而得到每次都是相同的初始化点；因此，假设这是算法中唯一的随机性来源，您每次都会得到相同的答案序列。

您可以通过在代码开头随机调用一个小矩阵的 eigs 来解决这个问题。

scipy linalg deterministic/non-deterministic 代码

scipy linalg deterministic/non-deterministic code

python

random

scipy