25

我需要做一些模拟，出于调试目的，我想用它set.seed来获得相同的结果。这是我正在尝试做的示例：

library(foreach)
library(doMC)
registerDoMC(2)

set.seed(123)
a <- foreach(i=1:2,.combine=cbind) %dopar% {rnorm(5)}
set.seed(123)
b <- foreach(i=1:2,.combine=cbind) %dopar% {rnorm(5)}

对象a和b应该相同，即sum(abs(a-b))应该为零，但事实并非如此。我做错了什么，或者我偶然发现了一些功能？

我能够使用 R 2.13 和 R 2.14 在两个不同的系统上重现它

4

4 回答 4

20

我的默认答案曾经是“那么不要这样做”（使用foreach），因为snow包会为您执行此操作（可靠！）。

但正如@Spacedman 指出的那样，如果您想留在/ foreach家庭，Renaud 的新doRNG就是您正在寻找的。doFoo

真正的关键是一个 clusterApply 风格的调用，用于在所有节点上设置种子。并且以一种跨流协调的方式。哦，我有没有提到蒂尔尼、罗西尼、李和塞维奇科娃的雪已经为你做了近十年了？

编辑：虽然您没有询问snow，但为了完整起见，这里是命令行中的一个示例：

edd@max:~$ r -lsnow -e'cl <- makeSOCKcluster(c("localhost","localhost"));\
         clusterSetupRNG(cl);\
         print(do.call("rbind", clusterApply(cl, 1:4, \
                                             function(x) { stats::rnorm(1) } )))'
Loading required package: utils
Loading required package: utils
Loading required package: rlecuyer
           [,1]
[1,] -1.1406340
[2,]  0.7049582
[3,] -0.4981589
[4,]  0.4821092
edd@max:~$ r -lsnow -e'cl <- makeSOCKcluster(c("localhost","localhost"));\
         clusterSetupRNG(cl);\
         print(do.call("rbind", clusterApply(cl, 1:4, \
                                             function(x) { stats::rnorm(1) } )))'
Loading required package: utils
Loading required package: utils
Loading required package: rlecuyer
           [,1]
[1,] -1.1406340
[2,]  0.7049582
[3,] -0.4981589
[4,]  0.4821092
edd@max:~$

编辑：为了完整起见，这是您的示例与doRNG文档中的内容相结合

> library(foreach)
R> library(doMC)
Loading required package: multicore

Attaching package: ‘multicore’

The following object(s) are masked from ‘package:parallel’:

    mclapply, mcparallel, pvec

R> registerDoMC(2)
R> library(doRNG)
R> set.seed(123)
R> a <- foreach(i=1:2,.combine=cbind) %dopar% {rnorm(5)}
R> set.seed(123)
R> b <- foreach(i=1:2,.combine=cbind) %dopar% {rnorm(5)}
R> identical(a,b)
[1] FALSE                     ## ie standard approach not reproducible
R>
R> seed <- doRNGseed()
R> a <- foreach(i=1:2,combine=cbind) %dorng% { rnorm(5) }
R> b <- foreach(i=1:2,combine=cbind) %dorng% { rnorm(5) }
R> doRNGseed(seed)
R> a1 <- foreach(i=1:2,combine=cbind) %dorng% { rnorm(5) }
R> b1 <- foreach(i=1:2,combine=cbind) %dorng% { rnorm(5) }
R> identical(a,a1) && identical(b,b1)
[1] TRUE                      ## all is well now with doRNGseed()
R>
于 2011-12-02T15:34:45.367 回答
7

使用set.seed(123, kind = "L'Ecuyer-CMRG")也可以解决问题，并且不需要额外的包：

set.seed(123, kind = "L'Ecuyer-CMRG")
a <- foreach(i=1:2,.combine=cbind) %dopar% {rnorm(5)}

set.seed(123, kind = "L'Ecuyer-CMRG")
b <- foreach(i=1:2,.combine=cbind) %dopar% {rnorm(5)}

identical(a,b)
# TRUE
于 2017-04-25T10:02:54.687 回答
5

doRNG 包对您有用吗？我怀疑您的问题是由于两个线程都在飞溅随机种子向量：

http://ftp.heanet.ie/mirrors/cran.r-project.org/web/packages/doRNG/index.html

于 2011-12-02T15:30:43.267 回答
3

对于更复杂的循环，您可能必须在 for 循环中包含 set.seed( )：

library(foreach)
library(doMC)
registerDoMC(2)
library(doRNG)

set.seed(123)
a <- foreach(i=1:2,.combine=cbind) %dopar% {
  create_something <- c(1, 2, 3)
  rnorm(5)
}
set.seed(123)
b <- foreach(i=1:2,.combine=cbind) %dopar% {
  create_something  <- c(4, 5, 6)
  rnorm(5)
}
identical(a, b)
# FALSE

相对

a <- foreach(i=1:2,.combine=cbind) %dopar% {
  create_something  <- c(1, 2, 3)
  set.seed(123)
  rnorm(5)
}
b <- foreach(i=1:2,.combine=cbind) %dopar% {
  create_something  <- c(4, 5, 6)
  set.seed(123)
  rnorm(5)
}
identical(a, b)
# TRUE
于 2016-12-12T21:05:52.627 回答