python多重处理比正常慢-计算太微不足道？

Question

我对 python 并行处理没有太多经验。 我有一个脚本，它接受几个拟合文件(基本上是图像)，将它们读入 3D numpy 数组并对其进行一些计算。 我想“最糟糕”的部分是，我有 2 个 for 循环，在数组的二维上迭代。在循环内部，我基本上得到一个列表，其中包含给定 x 和 y 坐标处的 numpy 数组的第三维。然后我计算最大值，以及最大值位于哪个索引处。然后，我将结果写入两个新的具有相同 x 和 y 坐标的二维数组。

对于尺寸约为 6000x6000x20 的拟合文件，这可能需要几分钟才能完成。 然后我尝试并行运行，因为每个 2D 视线都是相互独立的，因此可以在单独的进程中进行计算。

我看了一些调用多处理的基本教程，但每次我尝试它，都需要 10 倍的时间...... 我在这里读过一些问题，多重处理可能会产生很大的开销。是否有可能开销所需的处理时间比过程中实际计算的时间要长很多，这就是速度慢很多的原因？

谢谢。

这是我整理的示例脚本。

import numpy,time
import multiprocessing as mp

xs = 500
data = numpy.random.rand(100,xs,xs)
data2 = numpy.zeros(shape=(xs,xs))

def calculation(los):
    maxindex = numpy.argmax(los)
    return maxindex

t0 = time.time()
for x in range(xs):
    for y in range(xs):
        los = data[:,x,y]
        data2[x,y]=calculation(los)
t1 = time.time()
print t1-t0

t0 = time.time()
pool = mp.Pool(processes=4)
results = [pool.apply_async(calculation, args=(data[:,x,y],)) for x in range(xs) for y in range(xs)]
t1 = time.time()

print t1-t0

第一个版本大约需要 1 秒，第二个版本在我的机器上需要 12 秒。

Answer 1

您可以发送批量数据，因为消息传递是成本高昂的部分:

import numpy,time
import multiprocessing as mp

xs = 500
data = numpy.random.rand(100,xs,xs)
data2 = numpy.zeros(shape=(xs,xs))

def calculation(los):
    maxindex = numpy.argmax(los)
    return maxindex

def calculation_batch(los):
    maxindex = []
    for l in los:
        maxindex.append(umpy.argmax(los))
    return maxindex


t0 = time.time()
for x in range(xs):
    for y in range(xs):
        los = data[:,x,y]
        data2[x,y]=calculation(los)
t1 = time.time()
print t1-t0

t0 = time.time()
pool = mp.Pool(processes=4)
results = [pool.apply_async(calculation, args=(data[:,x:x+250,y:y+250],)) for x in [0, 250] for y in [0, 250]]
t1 = time.time()

print t1-t0

这给了我:

0.787902832031
0.846422195435