我正在使用并行运行 蒙特卡洛模拟joblib。我注意到尽管我的种子固定了，但结果却不断变化。但是，当我按顺序运行该过程时，它仍然保持不变。

下面我实现一个小例子，模拟具有较高方差的正态分布的均值。

加载库并定义函数

import numpy as np
from joblib import Parallel, delayed

def _estimate_mean():
    np.random.seed(0)
    x = np.random.normal(0, 2, size=100)
    return np.mean(x)

我 串联 实现的第一个示例-结果都与预期相同。

tst = [_estimate_mean() for i in range(8)]
In [28]: tst
Out[28]:
[0.11961603106897,
 0.11961603106897,
 0.11961603106897,
 0.11961603106897,
 0.11961603106897,
 0.11961603106897,
 0.11961603106897,
 0.11961603106897]

我 在Parallel中 实现的第二个示例：（请注意，有时均值相同，有时不一样）

tst = Parallel(n_jobs=-1, backend="threading")(delayed(_estimate_mean)() for i in range(8))

In [26]: tst
Out[26]:
[0.11961603106897,
 0.11961603106897,
 0.11961603106897,
 0.11961603106897,
 0.11961603106897,
 0.1640259414956747,
 -0.11846452111932627,
 -0.3935934130918206]

我希望并行运行与固定种子相同。我发现如果我实施RandomState修复种子，似乎可以解决问题：

def _estimate_mean():
    local_state = np.random.RandomState(0)
    x = local_state.normal(0, 2, size=100)
    return np.mean(x)
tst = Parallel(n_jobs=-1, backend="threading")(delayed(_estimate_mean)() for i in range(8))

In [28]: tst
Out[28]:
[0.11961603106897,
 0.11961603106897,
 0.11961603106897,
 0.11961603106897,
 0.11961603106897,
 0.11961603106897,
 0.11961603106897,
 0.11961603106897]

使用RandomState和Justseed固定种子时有什么区别numpy.random？为什么在并行运行时种子不能可靠地工作？

系统信息

作业系统：Windows 10

Python：3.7.3（默认值，2019年4月24日15:29:51）[MSC v.1915 64位（AMD64）]

脾气暴躁：1.17.2