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?。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腳本之家。
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索:z360901061

微信掃一掃加我為好友
QQ號聯系: 360901061
您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。
【本文對您有幫助就好】元
