给出代码：
from multiprocessing import Process
import numpy as np
class NN(Process):
def __init__(self, id):
super(NN, self).__init__()
self.id = id
def run(self):
super(NN, self).run()
print(np.random.random(5))
print(np.random.random(5))
np.random.seed(1111)
print(np.random.random(5))
print(np.random.random(5))
print("="*30)
np.random.seed(1111)
ps = [NN(i) for i in range(1)]
for p in ps:
p.start()
for p in ps:
p.join()
运行结果：
========================================
给出对比代码：
from multiprocessing import Process
import numpy as np
import time
class NN(Process):
def __init__(self, id):
super(NN, self).__init__()
self.id = id
def run(self):
super(NN, self).run()
time.sleep(10)
print(np.random.random(5))
np.random.seed(1111)
print(np.random.random(5))
ps = [NN(i) for i in range(1)]
for p in ps:
p.start()
np.random.seed(1111)
for p in ps:
p.join()
运行结果：
-------------------------------------------------------------------
PS:
可以看到，在python生成多进程时会copy父进程中的numpy.random的状态，这其中也包括随机种子的状态； 如果子进程生成完成后，那么父进程中的numpy.random的状态是不会影响子进程的。
========================================================
