ti.init()里面指定random_seed 并不能使得每次例子初始化的位置在同一个地方

综合讨论区
#1

此问题搬运自微信群

F(x)：我在初始化粒子的时候 使用到了 ti.random(), 我希望每次初始化的位置一样，通过指定随机种子貌似并不能达到这一目的，有解决办法吗？使用 GPU

1 个赞
#2

yuanming：并行程序执行本身就有一些随机性的，试试在初始化循环前面加上 ti.loop_config(serialize=True)?

#3

F(x)：ti.loop_config(serialize=True) 命令无法解决，我用numpy 初始化粒子，然后使用mpm88模拟，初始化跟超参都一样，但是运行多次的模拟结果会有出入，是不是所有的并行都会带来一些随机性，包括p2g, g2p里面的并行吗？

#4

zhaoliang：还有一个办法是用numpy.random 设置seed生成数据以后导入taichi 的 field，这可以保证你的初始状态是一致的

#5

F(x)：我用numpy 初始化粒子，然后使用mpm88模拟，初始化跟超参都一样，但是运行多次的模拟结果会有出入，是不是所有的并行都会带来一些随机性，包括p2g, g2p里面的并行吗？

#6

yuanming：是的，浮点数计算（atomic add）等等都会带来随机性