python - Numpy 高斯来自/dev/urandom

Question

我有一个需要的应用程序 numpy.random.normal但来自神秘的 PRNG 源。 Numpy 似乎没有提供这个选项。

我能找到的最好的是numpy.random.entropy.random_entropy但这只是 uint32 并且有问题，对于大型数组，即使 urandom 是非阻塞的，您也会收到“RuntimeError:无法从系统加密提供程序读取”...

但是您可以这样做:np.frombuffer(bytearray(os.urandom(1000*1000*4)), dtype=np.uint32).astype(np.double).reshape(1000, 1000)

但我仍然面临着如何将其转换为高斯分布而不搞砸任何事情的问题。

有人知道有解决办法吗？ Google 被来自/dev/urandom 的 numpy 播种所毒害，我不需要播种，我需要 urandom 成为所有随机性的唯一来源。

Answer 1

我遇到了scipy.stats.rvs_ratio_uniforms并根据我的目的修改了他们的代码。尽管从加密源中采样了两倍的随机性，但它仅比 np.random.normal 慢 3 倍。

import numpy as np
import os


def uniform_0_1(size):
    return np.frombuffer(bytearray(os.urandom(size*4)), dtype=np.uint32).astype(np.float) / 2**32

def normal(mu, sigma, size):
    bmp = np.sqrt(2.0/np.exp(1.0)) # about 0.8577638849607068

    size1d = tuple(np.atleast_1d(size))
    N = np.prod(size1d)  # number of rvs needed, reshape upon return

    x = np.zeros(N)
    simulated = 0

    while simulated < N:
        k = N - simulated

        a = uniform_0_1(size=k)
        b = (2.0 * uniform_0_1(size=k) - 1.0) * bmp

        accept = (b**2 <= - 4 * a**2 * np.log(a))
        num_accept = np.sum(accept)

        if num_accept > 0:
            x[simulated : (simulated + num_accept)] = (b[accept] * sigma / a[accept]) + mu
            simulated += num_accept


    return np.reshape(x, size1d)

但有一个担心，numpy.random.random_sample:返回半开区间 [0.0, 1.0) 中的随机 float 。

我不确定如何用我的 Uniform_0_1 实现这一保证(绝不是 1.0)，也不知道它是否重要。