為什么 python 多處理總是生成相同的隨機值

Question

我正在使用 pool.map 來處理我的 function。 function 中添加了一個隨機值。 但我發現每個過程的結果都是一樣的。 如何為每個進程生成不同的隨機值。 這是一個例子：

import numpy as np
from numpy.random import randn
def testfun(X):
    scipy.random.seed
    y = randn()
    return y

from multiprocessing import Pool


pool = mp.Pool(processes = 8)

result = pool.map(testfun,np.arange(8))

我想要有 8 個不同的值。

Answer 1

scipy.random.seed僅引用 function。 您實際上需要使用scipy.random.seed()來調用它。

Answer 2

您需要提供不同的種子值。 您從范圍中獲得的值X將做到這一點。 我無法執行您的代碼，但我創建了它的簡化版本：

from multiprocessing import Pool
import random


def testfun(seed_: int):
    random.seed(seed_)
    y = random.gauss(0, 1)
    return y


if __name__ == "__main__":
    pool = Pool(8)
    result = pool.map(testfun, range(8))
    print(result)

最好將pool放入with上下文管理器的環境中。

Answer 3

您需要做的是為多處理池中的每個進程（而不是每次調用rand ）為隨機數生成器播種一次，這樣做的方法是使用池初始化器，即在多處理上指定初始化器參數multiprocessing.Pool構造函數。 您指定的這個 function 將在執行任何任務之前為池中的每個進程調用一次，並且可用於執行任何一次性初始化，例如設置全局變量，或者在這種情況下，為該進程播種隨機數生成器。

import numpy as np
from numpy.random import randn, seed


def init_pool_processes():
    seed()

def testfun(X):
    y = randn()
    return y

# Required by Windows:
if __name__ == '__main__':
    from multiprocessing import Pool

    pool = Pool(processes=8, initializer=init_pool_processes)

    result = pool.map(testfun, np.arange(8))
    print(result)

印刷：

[-0.01738709180801345, -0.6941424935875462, 0.41955492420787543, -0.890711442154167, -0.6894630549510319, 1.1549486347982545, -0.27329303494286733, 0.16447656347746123]