python - 多处理中不同工作人员的输出相同

我有一些非常简单的案例，可以将要完成的工作分解并分配给工人。我尝试了一个非常简单的多处理示例，来自：

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

上述程序产生以下输出：

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]

为什么同样的随机数会被打印出来？（我的机器里有4个CPU）。这是最好/最简单的方法吗？

最佳答案

我认为您需要使用do_calculation函数中的numpy.random.seed对随机数生成器重新进行种子设定。
我的猜测是，当您导入模块时，随机数生成器（RNG）会被植入种子。然后，当您使用多处理时，您将当前进程与已经播种的RNG分叉——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

关于python - 多处理中不同工作人员的输出相同，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/12915177/