Python scipy.optimize.least_squares是确定性的吗？

我使用的是

scipy

的

优化。最小二乘法设置了初始条件，在我的计算机上总是得到相同的结果，但是如果我在任何其他计算机上尝试这个方法（都使用最新的scipy、Python和bumpy包以及相同的64位Ubuntu Linux），我在每台计算机上都会得到不同的结果。这是为什么

谢谢。
答案是肯定的

正如你在网上看到的，
在
优化上实现了3种方法

信赖域反射算法
具有矩形信赖域的dogleg算法
Levenberg-Marquardt算法
所有这些都是迭代方法，从初始值（或向量）开始，逐步到最小值。如何确定该步骤因方法而异，但在所有方法中都是确定的。

有关更多详细信息，您可以阅读此函数的开发人员编写的

对不起，我不知道为什么在每台电脑上会得到不同的结果。
默认情况下（如果
diff\u step=None
），
优化。最小二乘法使用与机器相关的步长进行有限差分近似[1]。对于一台特定的计算机，结果应该是确定的，但在另一台计算机上可能会有所不同

除非存在其他机器相关参数，否则手动设置
diff_step
应在不同机器上产生相同的结果

[1] 查看。
您是否找到原因？