子进程生成与父进程相同的“随机”数

我在使用 concurrent.futures 和 np.random 。

示例:

import numpy as np
from concurrent.futures import ProcessPoolExecutor, as_completed
from time import sleep

def calc_g():
    sleep(1)
    u = np.random.uniform()
    print u

futures = {}
with ProcessPoolExecutor() as executor:

    for i in range(0,10):  
        job = executor.submit(calc_g)
        futures[job] = i

    for job in as_completed(futures):
        job.result()

我的模拟结果如下:

python teste.py
0.590820857053
0.590820857053
0.590820857053
0.590820857053
0.890384312465
0.890384312465
0.890384312465
0.890384312465
0.391709923204
0.391709923204

如果我删除 sleep 函数中的函数 calc_g() ,结果似乎有点随机:

python teste.py
0.116725033305
0.919465043075
0.116725033305
0.116725033305
0.608303685887
0.59397039096
0.608862016487
0.800008484487
0.689917804793
0.116725033305

我认为这与种子的产生有关 numpy 使用。Python从主程序生成fork,并将相同的种子复制到子进程。由于生成种子后,随机数的生成过程是确定的,因此 np.random.uniform() 都是一样的。

有人能用例子更好地解释这一点吗?

我应该如何使用 NP随机的 在平行任务中模拟硬币投掷的随机性?