Python的多处理NumPy的随机[复制](Python Multiprocessing Nump

这个问题已经在这里有一个答案：

在不同的工人相同的输出在多处理 2个回答

请问内通过多进程调用的函数不同的一个numpy的ndarray功能的范围是什么？下面是一个例子：

使用Python的多处理模块，我打电话像这样的功能：

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) ，则x变量是本地的过程中，即其打印效果与预期不同，随机整数。这些从未超过10，说明x=0中的每个过程。那是对的吗？

调用g(core)和置换所述数组的副本返回4相同地“改组”的阵列。这似乎表明，工作副本不在本地子进程。那是对的吗？如果是的话，除了使用共享内存空间，是有可能有一个ndarray是本地的子进程时，需要从共享内存空间充满了吗？

编辑：

改变g(core)添加一个随机整数似乎具有期望的效果。该阵列的展会不同的值。一定有什么在发生的permutation是随机排序的列（本地为每个子进程）一样的...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。所述阵列的内容被重排，但洗牌在每个核心的相同的值。

Answer 1:

调用克（核）和置换所述数组的副本返回4相同地“改组”的阵列。这似乎表明，工作副本不在本地子进程。

它所可能表明是随机数发生器在每个子进程初始化相同，产生相同的序列。你需要种子每个孩子的发电机（也许扔孩子的进程ID来混合使用）。

Answer 2:

要播种的随机阵列这篇文章是最有用的。下面g(core)函数成功地生成用于每个核心的随机排列。

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