Question

我希望并行运行几个模拟实例，但每个模拟都有自己独立的数据集。

目前我按如下方式实现：

P = mp.Pool(ncpus) # Generate pool of workers
for j in range(nrun): # Generate processes
    sim = MDF.Simulation(tstep, temp, time, writeout, boundaryxy, boundaryz, relax, insert, lat,savetemp)
    lattice = MDF.Lattice(tstep, temp, time, writeout, boundaryxy, boundaryz, relax, insert, lat, kb, ks, kbs, a, p, q, massL, randinit, initvel, parangle,scaletemp,savetemp)
    adatom1 = MDF.Adatom(tstep, temp, time, writeout, boundaryxy, boundaryz, relax, insert, lat, ra, massa, amorse, bmorse, r0, z0, name, lattice, samplerate,savetemp)        
    P.apply_async(run,(j,sim,lattice,adatom1),callback=After) # run simulation and ISF analysis in each process
P.close()
P.join() # start processes

其中sim，adatom1和lattice是传递给启动模拟的函数run的对象。

但是，我最近发现我同时运行的每个批次（也就是说，每个ncpus用完了模拟运行的nrun总数）会得到完全相同的结果。

这里有人可以启发如何解决这个问题吗？

Answer 1

我想我会添加一个实际答案，以便让其他人明白。

引用aix in this question的答案：

在Unix上，每个工作进程都会继承相同的内容来自父进程的随机数生成器的状态。这是为什么他们生成相同的伪随机序列。

使用random.seed()方法（或scipy / numpy等效方法）正确设置种子。另请参阅this numpy thread。

Answer 2

问题的解决方案是在函数scipy.random.seed()中使用run，它为从run调用的随机函数分配新种子。

可以在multiprocessing.Pool seems to work in Windows but not in ubuntu?

中找到类似的问题（我从中获得解决方案）

对每个进程使用带有不同随机种子的python多处理

2 个答案: