溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
1.背景
在python運行一些，計算復雜度比較高的函數時，服務器端單核CPU的情況比較耗時，因此需要多CPU使用多進程加快速度
2.函數要求
筆者使用的是：pathos.multiprocessing 庫，進度條顯示用tqdm庫，安裝方法：
pip install pathos
安裝完成后
from pathos.multiprocessing import ProcessingPool as Pool from tqdm import tqdm
這邊使用pathos的原因是因為，multiprocessing 庫中的Pool 函數只支持單參數輸入，例如 f(x) = x**2，而不能處理 f (x,y) = x+y 這類的函數
更不用說一些需要參數的函數 例如：F(x , alpha=0.5, gamma = 0.1) 這樣。
3.代碼
定義一個 函數 F [ X ] ,其中，輸入X是可以在第一個維度上迭代的array, 大小：[ num_X, len ] , 在第一維度 num_X 上進行迭代。
def F(X,lamda=10,weight=0.05):
res={}
res.update(F_1(X,lamda=lamda,weight=weight))
res.update(F_2(X,lamda=lamda,weight=weight))
return res
x 是 F 的輸出，是一個dict (字典格式)
這里的兩個函數超參數 lamda 和 weight 雖然每次調用的時候值是一樣的，但是還是需要放一個數組每次用于迭代。
zip_lamda = [lamda for i in range(len(X)) ]
zip_weight = [weight for i in range(len(X)) ]
with tqdm(total=len(cold_sequences)) as t:
for i, x in enumerate(pool.imap(F,X,zip_lamda,zip_weight)):
X[i,:] = [x[key] for key in x.keys()]
Y[i,] = 0
t.update()
pool.close()
pool.join()
4.結果
mutiprocess 加速前
mutiprocess 加速后
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
