您好,登錄后才能下訂單哦!
1.背景
在python運行一些,計算復(fù)雜度比較高的函數(shù)時,服務(wù)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(shù)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(shù)只支持單參數(shù)輸入,例如 f(x) = x**2,而不能處理 f (x,y) = x+y 這類的函數(shù)
更不用說一些需要參數(shù)的函數(shù) 例如:F(x , alpha=0.5, gamma = 0.1) 這樣。
3.代碼
定義一個 函數(shù) F [ X ] ,其中,輸入X是可以在第一個維度上迭代的array, 大?。篬 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(shù)超參數(shù) lamda 和 weight 雖然每次調(diào)用的時候值是一樣的,但是還是需要放一個數(shù)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(jié)果
mutiprocess 加速前
mutiprocess 加速后
以上就是本文的全部內(nèi)容,希望對大家的學(xué)習(xí)有所幫助,也希望大家多多支持億速云。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。