Документация

Клиент и работники

Если необходимо сгенерировать один и тот же поток чисел в клиенте и работниках, можно задать один, чтобы соответствовать другому. Можно задать алгоритм генератора и seed, используя rng.

Например, вы можете запустить скрипт как пакетное задание на работнике, и вам нужен тот же генератор или последовательность, что и клиенту. Предположим, вы начинаете с файла скрипта с именем randScript1.m который содержит линию:

R = rand(1,4);

Можно запустить этот скрипт в клиенте, а затем как пакетное задание работника. Заметьте, что сгенерированные по умолчанию случайные числовые последовательности в результатах различны.

randScript1; % In client
R

R =
    0.8147    0.9058    0.1270    0.9134

parallel.defaultClusterProfile('local')
c = parcluster();
j = batch(c,'randScript1'); % On worker
wait(j);load(j);
R

R =
    0.1349    0.6744    0.9301    0.5332

Для идентичных результатов можно задать клиент и рабочий, чтобы использовать один и тот же генератор и seed. Вот, файл randScript2.m содержит следующий код:

rng(1,'Threefry');
R = rand(1,4);

Теперь запустите новый скрипт в клиенте и на рабочем:

randScript2; % In client
R

R =
    0.1404    0.8197    0.1073    0.4131

j = batch(c,'randScript2'); % On worker
wait(j); load(j);
R

R =
    0.1404    0.8197    0.1073    0.4131

Различные работники

По умолчанию каждый рабочий процесс в кластере, работающий над одним и тем же заданием, имеет независимый поток случайных чисел. Если rand, randi, или randn вызываются параллельно, каждый рабочий процесс создает уникальную последовательность случайных чисел.

Этот пример использует двух рабочих в параллельном пуле, чтобы показать, что они генерируют уникальные последовательности случайных чисел.

p = parpool(2);
spmd
    R = rand(1,4); % Different on each worker
end
R{1},R{2}

ans = 
    0.1349    0.6744    0.9301    0.5332
ans =
    0.6383    0.5195    0.1398    0.6509

delete(p)

Если вам нужны все рабочие, чтобы сгенерировать одну и ту же последовательность чисел, можно задать для каждого рабочего одинаковые настройки генератора:

p = parpool(2);
spmd
    rng(0,'Philox'); % Default seed 0.
    R = rand(1,4); % Same on all workers
end
R{1},R{2}

ans =
    0.3655    0.6975    0.1789    0.4549
ans =
    0.3655    0.6975    0.1789    0.4549

delete(p)

Если вам нужно управлять случайными числами при каждой итерации parfor-loop, см. «Повторение случайных чисел в циклах parfor».

Нормально распределенные случайные числа

Если вы работаете с нормально распределенными случайными числами, используя randn функция, вы можете использовать те же методы, что и выше, используя RandStream чтобы задать тип генератора, seed и нормальный алгоритм преобразования для каждого работника и клиента.

Например, предположим, что файл randScript3.m содержит код:

stream = RandStream('Threefry','Seed',0,'NormalTransform','Inversion');
RandStream.setGlobalStream(stream);
R = randn(1,7)

R =
    -0.3479    0.1057    0.3969    0.6544   -1.8228    0.9587    0.5360