Python 为什么'；随机和多处理玩得好吗？

我有一个随机游走函数，它使用

numpy.random

执行随机步骤。 功能

walk

本身工作正常。同时，它在大多数情况下都能按预期工作，但与

多处理

结合使用时，它会失败。 为什么

多处理

会出错

import numpy as np

def walk(x, n=100, box=.5, delta=.2):
    "perform a random walk"
    w = np.cumsum(x + np.random.uniform(-delta,delta,n))
    w = np.where(abs(w) > box)[0]
    return w[0] if len(w) else n

N = 10

# run N trials, all starting from x=0
pwalk = np.vectorize(walk)
print pwalk(np.zeros(N))

# run again, using list comprehension instead of ufunc
print [walk(0) for i in range(N)]

# run again, using multiprocessing's map
import multiprocessing as mp
p = mp.Pool()
print p.map(walk, [0]*N)

结果通常是

[47 16 72  8 15  4 38 52 12 41]
[7, 45, 25, 13, 16, 19, 12, 30, 23, 4]
[3, 3, 3, 3, 3, 3, 3, 14, 3, 14]

前两种方法显然具有随机性，而后一种方法则不具有随机性。 发生了什么事，

多处理

无法正确处理

如果您添加了一个

睡眠

，因此它是一个

梦游

，并且存在明显的延迟，

多处理

仍然会出错

但是，如果将对

np.random.uniform

的调用替换为像

[（random.random（）-.5）for i in range（n）]

这样的非数组方法，那么它将按预期工作

那么为什么

numpy.random

和

多处理

不起作用呢

发生了什么，所以多重处理不能正确进行

您需要在每一个过程中确保伪随机流彼此独立

---

我使用来生成种子。

我猜numpy在每次初始化时都使用相同的值对其随机数生成器进行种子设定，因此所有子进程都位于随机性图上的同一点上，并将生成相同的随机数集。尝试调用

numpy.random.seed

，并在开始漫游时向其传递一些在非确定性漫游（如当前系统时间）调用之间会有所不同的值。可能吧，但我希望最后一行都是相同的……但事实并非如此。另请参见……有趣。似乎已经有人问过了。哦。@Aruistante:你基本上回答了我的问题…不是我该做什么，而是它为什么要做它正在做的事情…所以如果可以的话，我会给你检查。

np.random.seed（int.from_bytes（os.uradom（4），byteorder='little'）

python3。