我正在尝试找到一种更快的方法来运行 numpy/sklearn 以在数据列表上执行某些任务。我有一些书建议我在繁重的数据计算工作中使用进程而不是线程。在执行此操作时,我发现线程比进程运行得更快。这是为什么?我应该选择哪种方式?
# -*- coding: utf-8 -*-
"""
Created on Tue Apr 2 10:20:19 2019
@author: Simon
"""
import time
import numpy as np
from sklearn import linear_model
from concurrent.futures import ProcessPoolExecutor as Pool
from concurrent.futures import ThreadPoolExecutor as Pool
xx, yy = np.meshgrid(np.linspace(0,10,1000), np.linspace(10,100,1000))
zz = 1.0 * xx + 3.5 * yy + np.random.randint(0,100,(1000,1000))
X, Z = np.column_stack((xx.flatten(),yy.flatten())), zz.flatten()
regr = linear_model.LinearRegression()
def regwork(t):
X=t[0]
Z=t[1]
regr.fit(X, Z)
a, b = regr.coef_, regr.intercept_
return a
def numpywork(t):
X=t[0]
Z=t[1]
for i in range(1):
r=np.sum(X,axis=1)+np.log(Z)
return np.sum(r)
if __name__=="__main__":
r=regx((X,Z))
rlist=[[X,Z]]*500
start=time.clock()
pool = Pool(max_workers=2)
results = pool.map(numpywork, rlist)
for ret in results:
print(ret)
print(time.clock()-start)
使用 python 3.6 在 Win7-4 Real Core-I5-4700 上运行。 这是输出:
方式|Workerjob|taskmgr中显示的进程数|工作时的CPU负载|时间成本
2线程|numpy |1个进程|100%|9s
2线程|sklearn|1个进程|100%|35s
2进程|numpy |3进程|100%|36s
2进程|sklearn|3进程|100%|77s
为什么流程会花费更多时间? 如何找到更好的方法来降低时间成本并充分利用多核操作系统?
最佳答案
好的。 我已经明白了。 对于像numpy这样可以释放GIL的模块,使用Thread后端将通过减少从主进程到子进程的Np对象复制成本来节省时间。
关于python - python进程/线程映射在Windows中如何工作?为什么线程比进程运行得更快?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55474552/