Python多处理Numpy Random

在多处理调用的函数中，numpy ndarray函数的作用域是否不同？以下是一个例子：

我使用python的多处理模块调用如下函数：

for core in range(cores):
    #target could be f() or g()
    proc = mp.Process(target=f, args=(core))
    jobs.append(proc)
for job in jobs:
    job.start()
for job in jobs:
    job.join()

def f(core):
    x = 0
    x += random.randint(0,10)
    print x

def g(core):
    #Assume an array with 4 columns and n rows
    local = np.copy(globalshared_array[:,core])
    shuffled = np.random.permutation(local)

调用

f（core）

，

x

变量是进程的局部变量，即，它按预期打印一个不同的随机整数。这些值从不超过10，表示每个过程中

x=0

。对吗

调用

g（core）

并排列数组的副本将返回4个相同的“无序”数组。这似乎表明工作副本不是子进程的本地副本。对吗？如果是这样，除了使用sharedmemory空间之外，当需要从共享内存空间填充数据阵列时，它是否可能是子进程的本地数据阵列

编辑：

更改

g（core）

以添加一个随机整数似乎具有所需的效果。数组的值显示不同的值。

排列

中一定发生了某种事情，它将列（每个子进程的本地）随机排序为相同的…想法

def g(core):
    #Assume an array with 4 columns and n rows
    local = np.copy(globalshared_array[:,core])
    local += random.randint(0,10)

编辑II:

np.random.shuffle

也表现出同样的行为。数组的内容正在洗牌，但在每个核心上洗牌到相同的值

def g(core):
    pid = mp.current_process()._identity[0]
    randst = np.random.mtrand.RandomState(pid)
    randarray = randst.randint(0,100, size=(1,100)

调用g（core）并排列数组的副本将返回4个相同的“无序”数组。这似乎表明工作副本不是子进程的本地副本

它可能表明，随机数生成器在每个子进程中初始化相同，生成相同的序列。您需要为每个子级的生成器设定种子（可能会将子级的进程id放入混合中）。

为随机数组设定种子是最有用的。下面的

g（core）

函数成功地为每个core生成了一个随机排列

def g(core):
    pid = mp.current_process()._identity[0]
    randst = np.random.mtrand.RandomState(pid)
    randarray = randst.randint(0,100, size=(1,100)

---

我认为这可能只是随机数生成器+线程=可能的故障（即，你一次幸运，一次不幸运）。您可能只需要确保分别为每一个初始化一个随机状态，或者像这样

np.random.RandomState

@seberg我也厌倦了使用

np.random.random\u integer

，但是返回的数组在各个进程中是相同的。您是在引用'np.random.mtrand.RandomState'吗？因此，为每个子进程实例化一个随机类，因为它们可能实例化一个类或相互覆盖？不确定它们何时被实例化，但我不确定它们是否能够碰巧完全相同地实例化（它们可能使用系统时间），或者可能只是在分叉时复制相同的状态，简而言之，至少调用一次

np.random.seed（）

。

np.random.mtrand.RandomState

显示了相同的问题。这些文档看起来像是类使用了机器时钟。seed（）也存在同样的问题。看起来我要么需要插入延迟，要么接受“随机性”。这会出现在OP的注释中。使用pid或

randomint（01000）

进行种子设定不会改变随机解。@当状态相同时，使用随机整数进行Jzl5325种子设定是毫无意义的。。。请尝试在函数

np.random.seed（pid）

中使用pid进行种子设定？我想与子进程共享父进程的numpy随机状态。我试过使用Manager，但仍然没有成功。请你看看我的问题，看看你能不能提供一个解决方案？如果每次生成一个随机数时都执行np.random.seed（None），我仍然可以得到不同的随机数，但这不允许我使用父进程的随机状态，这不是我想要的。非常感谢您的帮助。