与池并行运行emcee时的相同步骤

Question

我正在使用emcee在Python中运行MCMC进程。我的python代码是一个不同软件的包装器。emcee步行器对此软件的输入参数空间进行采样。软件读取一个文本文件作为其输入。我的代码使用emcee链的每个步骤生成这个文本文件。为了加快采样速度，我希望并行运行多个评估对数似然率的进程。但是，这些进程中的每个进程都需要写入不同的输入文本文件，以防止进程之间的干扰。出于这个原因，我认为我不能在主持人website上使用简单的标准示例。

理想情况下，我希望每个进程都在自己的子目录中运行，生成不同的输入文件，这样不同的进程就不会相互干扰。为此，我使用multiprocessing中的Pool手动创建并行进程，而不是使用emcee中的默认选项。我知道为了让不同的并行进程生成不同的随机数，我需要为每个PRNG提供不同的种子。我当前的代码如下：

def log_likelihood(x):
    #update input text file and run software
    return log_likelihood

def run_mcmc(inp_directory)
    os.chdir(inp_directory)
    seedint = int(dusty_inpdir.split('_')[-1]) #sets a different seed for each process
    np.random.seed(seedint)
    sampler = emcee.EnsembleSampler(nwalkers, ndim, log_likelihood)
    sampler.run_mcmc(initial_pos,ntrials)

pool = Pool()
inp_dirlist = ['proc_0','proc_1','proc_2','proc_3']
pool.map(run_mcmc,inp_dirlist)

尽管为每个进程提供了不同的种子，但所有4个进程都会生成完全相同的一组emcee步骤。

np.random.seed不是播种emcee PRNG的相关参数吗？有没有更好的方法让不同的进程在不同的目录中工作？

Answer 1

使用np.random.seed设置numpy随机数生成器的全局状态。要让每个主持人采样器具有不同的种子，您应该使用seed参数：

sampler = emcee.EnsembleSampler(nwalkers, ndim, log_likelihood, seed=seedint)