首页 / PYTHON / python – 多处理中不同工作者的相同输出

python – 多处理中不同工作者的相同输出

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python – 多处理中不同工作者的相同输出，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1077字，纯文字阅读大概需要2分钟。

内容图文

我有一些非常简单的案例,可以将工作分解并分配给工人.我在here尝试了一个非常简单的多处理示例：

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

上面的程序产生以下输出：

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]

为什么要打印相同的随机数？ (我的机器里有4个cpus).这是最好/最简单的方法吗？

解决方法:

我想你需要在do_calculation函数中使用numpy.random.seed重新种子随机数生成器.

我的猜测是,在导入模块时,随机数生成器(RNG)会被播种.然后,当您使用多处理时,您使用已经播种的RNG分叉当前进程 – 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

内容总结

以上是互联网集市为您收集整理的python – 多处理中不同工作者的相同输出全部内容，希望文章能够帮你解决python – 多处理中不同工作者的相同输出所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/710544.html

来源：【匿名】