np.random.seed() 函数可以保证生成的随机数具有可预测性。

这里的可预测性是指相同的种子（seed 值）所产生的随机数是相同的。如果不设置 seed 值，则系统根据时间来自己选择这个值，此时每次生成的随机数因时间差异而不同。

感觉像是适时播下一颗种子，需要的时候去采摘，那么每次采摘回来的果实都是同一种。

语法：

numpy.random.seed(seed=None)
输入：
—-seed 参数默认为空，可选择整数或者数组，可选。

但是，需要注意的是，seed 值的有效次数仅为一次，因此，若要保证每次产生的随机数相同，则需要在调用随机数函数之前再次使用相同的 seed 值。下面给出相应的案例，即

在机器学习和深度学习中，如果要保证部分参数（比如 W 权重参数）的随机初始化值相同，可以采用这种方式来实现。