我目前在函数和单元测试中使用随机性。此外，有时函数应该支持joblib并行。我想知道使用numpy.random.seed和Generator有什么问题？
例如，假设我们有Generator模式：

# pseudocode
def do_something_with_seed(rng):
    rng = np.random.default_rng(rng)

# you can just call as is
do_something_with_seed(12345)

# I need to generate a seed sequence as I understand, when using parallelism
Parallel(do_something_with_seed(_rng) for _rng in rng.spawn(n_jobs))

字符串
接下来，假设我们使用np.random.seed模式

# pseudocode
def do_something_without_seed(seed):
    np.random.seed(seed)
    ...

# this requires you to always set the global seed before running this function
do_something_with_global_seed(12345)

# when using parallelism
random_seeds = np.random.randint(np.iinfo(np.int32).max, size=len(seeds))
Parallel(do_something_with_global_seed(seed) for seed in random_seeds)

型
正如我所看到的，性能，功能是相同的，只要你记得做正确的事情。是否有任何差异或原因，我们肯定需要/想要使用Generator模式？单元测试呢？