为什么python多处理总是生成相同的随机值答案

【问题标题】：为什么python多处理总是生成相同的随机值
【发布时间】：2022-01-17 23:17:39
【问题描述】：

我正在使用 pool.map 来处理我的函数。函数中添加了一个随机值。但我发现每个过程的结果都是一样的。如何为每个进程生成不同的随机值。这是一个例子：

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 个不同的值。

【问题讨论】：

我根据stackoverflow.com/questions/29854398/… 添加了 scipy.random.seed，但它确实有帮助

标签： python random multiprocessing

【解决方案1】：

scipy.random.seed 只是引用该函数。您实际上需要使用scipy.random.seed() 调用它。

【讨论】：

【解决方案2】：

您需要提供不同的种子值。您从范围中获得的值 X 会做到这一点。我无法执行您的代码，但我创建了它的简化版本：

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)

最好将pool 放入with 上下文管理器中。

【讨论】：

【解决方案3】：

您需要做的是为多处理池中的每个进程（而不是每次调用rand）播种随机数生成器一次，这样做的方法是使用池初始化器，即在multiprocessing.Pool 构造器上指定initializer 参数。在执行任何任务之前，您指定的此函数将为池中的每个进程调用一次，并可用于执行任何一次性初始化，例如设置全局变量，或者在这种情况下，为该进程播种随机数生成器。

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)

打印：

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

【讨论】：