Я хочу запустить несколько экземпляров симуляции параллельно, но с каждой симуляцией, имеющей собственный независимый набор данных.
В настоящее время я реализую это следующим образом:
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
где sim, adatom1 и lattice - объекты, переданные функции run, которая инициирует симуляцию.
ncpus исчерпывает итоговый nrun прогонов моделирования) дает точные результаты.
Может кто-то здесь просветить, как это исправить?
Просто подумал, что добавлю фактический ответ, чтобы дать понять другим.
Цитирование ответа от aix в этом вопросе:
Что происходит, так это то, что в Unix каждый рабочий процесс наследует один и тот же состояние генератора случайных чисел из родительского процесса. Это почему они генерируют идентичные псевдослучайные последовательности.
Используйте метод random.seed() (или эквивалент scipy/numpy), чтобы правильно установить семя. См. Также этот поток numpy.
A решение для проблемы заключалось в использовании scipy.random.seed() в функции run, которая назначает новое семя для случайных функций, вызванных из run.
Аналогичная проблема (из которой я получил решение) можно найти в многопроцессорной работе. Как представляется, работа в Windows работает, но не в ubuntu?