我有以下 for 循环:
for j in range(len(a_nested_list_of_ints)):
arr_1_, arr_2_, arr_3_ = foo(a_nested_list_of_ints[j])
arr_1[j,:] = arr_1_.data.numpy()
arr_2[j,:] = arr_2_.data.numpy()
arr_3[j,:] = arr_3_.data.numpy()
其中 a_nested_list_of_ints
是一个嵌套的整数列表。然而,它需要很多时间才能完成。如何通过多处理优化它?到目前为止,我尝试使用 multiprocessing
p = Pool(5)
for j in range(len(a_nested_list_of_ints)):
arr_1_, arr_2_, arr_3_ = p.map(foo,a_nested_list_of_ints[j])
arr_1[j,:] = arr_1_.data.numpy()
arr_2[j,:] = arr_2_.data.numpy()
arr_3[j,:] = arr_3_.data.numpy()
但是,我得到:
ValueError: not enough values to unpack (expected 3, got 2)
这里:
arr_1_, arr_2_, arr_3_ = p.map(foo,a_nested_list_of_ints[j])
知道如何使上述操作更快吗?我什至还尝试过使用 starmap,但它无法正常工作。
最佳答案
这是一个有效的 pool
演示:
In [11]: def foo(i):
...: return np.arange(i), np.arange(10-i)
...:
In [12]: with multiprocessing.Pool(processes=2) as pool:
...: x = pool.map(foo, range(10))
...:
In [13]: x
Out[13]:
[(array([], dtype=int64), array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])),
(array([0]), array([0, 1, 2, 3, 4, 5, 6, 7, 8])),
(array([0, 1]), array([0, 1, 2, 3, 4, 5, 6, 7])),
(array([0, 1, 2]), array([0, 1, 2, 3, 4, 5, 6])),
(array([0, 1, 2, 3]), array([0, 1, 2, 3, 4, 5])),
(array([0, 1, 2, 3, 4]), array([0, 1, 2, 3, 4])),
(array([0, 1, 2, 3, 4, 5]), array([0, 1, 2, 3])),
(array([0, 1, 2, 3, 4, 5, 6]), array([0, 1, 2])),
(array([0, 1, 2, 3, 4, 5, 6, 7]), array([0, 1])),
(array([0, 1, 2, 3, 4, 5, 6, 7, 8]), array([0]))]
pool.map
正在执行迭代,而不是一些外部 for
循环。
为了更接近您的示例:
In [14]: def foo(alist):
...: return np.arange(*alist), np.zeros(alist,int)
...:
...:
In [15]: alists=[(0,3),(1,4),(1,6,2)]
In [16]: with multiprocessing.Pool(processes=2) as pool:
...: x = pool.map(foo, alists)
...:
In [17]: x
Out[17]:
[(array([0, 1, 2]), array([], shape=(0, 3), dtype=int64)),
(array([1, 2, 3]), array([[0, 0, 0, 0]])),
(array([1, 3, 5]), array([[[0, 0],
[0, 0],
[0, 0],
[0, 0],
[0, 0],
[0, 0]]]))]
请注意,pool.map
返回一个列表,所有情况都从 alists
生成。解压那个 x
是没有意义的。
x,y = pool.map(...) # too many values to pack error
我可以使用 zip*
习惯用法解压 x
:
In [21]: list(zip(*x))
Out[21]:
[(array([0, 1, 2]), array([1, 2, 3]), array([1, 3, 5])),
(array([], shape=(0, 3), dtype=int64), array([[0, 0, 0, 0]]), array([[[0, 0],
[0, 0],
[0, 0],
[0, 0],
[0, 0],
[0, 0]]]))]
这是一个包含 2 个元组的列表;实际上是转置的列表版本。这可以解压:
In [23]: y,z = zip(*x)
In [24]: y
Out[24]: (array([0, 1, 2]), array([1, 2, 3]), array([1, 3, 5]))
In [25]: z
Out[25]:
(array([], shape=(0, 3), dtype=int64), array([[0, 0, 0, 0]]), array([[[0, 0],
[0, 0],
[0, 0],
[0, 0],
[0, 0],
[0, 0]]]))
关于python - 如何使用多处理来加速以下功能?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56157485/