Docker图像与singularity中导入的同一图像之间的不同行为

我最近开始使用Docker来确保我研究的计算再现性。由于我所在机构的HPC服务仅支持singularity，因此当我使用HPC执行部分分析时，我希望在singularity中导入Docker图像。然而，当我这样做时，我发现基于原始Docker图像的结果与基于singularity中导入的Docker图像的结果不同

下面是我直接基于Docker图像构建的简单贝叶斯回归模型。这是在本地运行的，也在AWS的一个实例上运行，结果是相同的输出（如预期的那样）

docker pull akiramurakami/gram mor:v1.0
docker run-it akiramurakami/gram-mor:v1.0 bash
Rscript-e'库（“brms”）；图书馆（“tidyverse”）；结实。种子（1）；我只能猜测，但是。。。它有很多依赖性，它们很可能会根据操作环境（包括CPU/内核及其多线程容量）更改一些性能假设。那么，我的本地计算机（OS X）和AWS（RHEL）的实例之间的结果是否也会有所不同呢？我在这两个环境中使用相同的Docker图像得到了相同的结果，这让我怀疑观察到的差异是由于Docker和singularity之间的差异造成的。我对集装箱运输还不熟悉，所以可能是错的。我不知道，但你们并没有讨论过两者的不同资源。例如，有多少CPU和线程？多少公羊？我不能马上列出它们，但我知道一些启发式方法（特别是在优化中，但也有其他方法）会根据不同的资源做出不同的启发式决策。例如，如果你有无数个线程，那么启发式可能会建议对某个线程进行蛮力尝试，而对于1-2个线程，可能会使用一些更保守的方法。此外，我对
奇点
一无所知，所以我只是抛开猜测，对不起，我没有更深刻的见解。我可以复制你的问题，但我不知道为什么会发生。设置种子可以使单个结果在其容器类型中重复，但两者之间仍然存在微小差异。我的猜测是，stan的采样处理方式有点不同（singularity在第一次采样后的采样运行通常比docker的要快）。我建议在斯坦问题上提出这个问题，看看他们是否有更多的见解。