Python Multiprocessing Numpy Random

Question

在多处理调用的函数中，numpy ndarray的作用范围是否有所不同？这是一个例子：

使用python的多处理模块，我正在像这样调用一个函数：

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)，该x变量在进程本地，即。它会按预期打印一个不同的随机整数。这些永远不会超过10，表明x=0在每个过程中。那是对的吗？

调用g(core)并置换数组的副本将返回4个相同的“改组”数组。这似乎表明工作副本不是本地子进程。那是对的吗？如果是这样，那么除了需要使用共享内存空间之外，当需要从共享内存空间填充子进程时，是否可以使ndarray在子进程本地？

编辑：

更改g(core)以添加一个随机整数似乎具有所需的效果。数组显示不同的值。必须发生某种事情，permutation即对列（每个子进程本地）进行随机排序具有相同的…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也表现出相同的行为。数组的内容在改组，但在每个内核上改组为相同的值。

Answer 1

调用g（core）并置换数组的副本将返回4个相同的“改组”数组。这似乎表明工作副本不在子进程本地。

这可能表明随机数生成器在每个子进程中均被初始化，从而产生相同的序列。您需要为每个孩子的生成器添加种子（也许将孩子的进程ID放入混合中）。