多处理中不同工作人员的输出相同

Question

我有一些非常简单的案例,可以将工作分解并分配给工人.我从这里尝试了一个非常简单的多处理示例:

import multiprocessing
import numpy as np
import time

def do_calculation(data):
    rand=np.random.randint(10)
    print data, rand
    time.sleep(rand)
    return data * 2

if __name__ == '__main__':
    pool_size = multiprocessing.cpu_count() * 2
    pool = multiprocessing.Pool(processes=pool_size)

    inputs = list(range(10))
    print 'Input   :', inputs

    pool_outputs = pool.map(do_calculation, inputs)
    print 'Pool    :', pool_outputs

上面的程序产生以下输出:

Input   : [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
0 7
1 7
2 7
5 7
3 7
4 7
6 7
7 7
8 6
9 6
Pool    : [0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

为什么要打印相同的随机数？(我的机器里有4个cpus).这是最好/最简单的方法吗？

Answer 1

我想你需要在你的函数中使用numpy.random.seed重新种子随机数生成器do_calculation.

我的猜测是,在导入模块时,随机数生成器(RNG)会被播种.然后,当您使用多处理时,您使用已经播种的RNG分叉当前进程 - 因此,您的所有进程都为RNG共享相同的种子值,因此它们将生成相同的数字序列.

例如:

def do_calculation(data):
    np.random.seed()
    rand=np.random.randint(10)
    print data, rand
    return data * 2