python中numpy.random.seed设置随机种子是否影响子进程

给出代码：

from multiprocessing import Process
import numpy as np

class NN(Process):
    def __init__(self, id):
        super(NN, self).__init__()
        self.id = id
    def run(self):
        super(NN, self).run()
        print(np.random.random(5))
        print(np.random.random(5))

np.random.seed(1111)
print(np.random.random(5))
print(np.random.random(5))
print("="*30)
np.random.seed(1111)

ps = [NN(i) for i in range(1)]
for p in ps:
    p.start()

for p in ps:
    p.join()

运行结果：

========================================

给出对比代码：

from multiprocessing import Process
import numpy as np
import time

class NN(Process):
    def __init__(self, id):
        super(NN, self).__init__()
        self.id = id
    def run(self):
        super(NN, self).run()
        time.sleep(10)
        print(np.random.random(5))

np.random.seed(1111)
print(np.random.random(5))

ps = [NN(i) for i in range(1)]
for p in ps:
    p.start()

np.random.seed(1111)

for p in ps:
    p.join()

运行结果：

-------------------------------------------------------------------

PS:

可以看到，在python生成多进程时会copy父进程中的numpy.random的状态，这其中也包括随机种子的状态； 如果子进程生成完成后，那么父进程中的numpy.random的状态是不会影响子进程的。

========================================================