Question

我目前正在尝试从下面显示的过程中获得结果。但是，所需步骤数花费的时间太长。我想加快结果。在这种情况下如何实现多处理？

在我正在建立的课程中，我具有以下定义

    def class_corr(self,Delta,xi_q,Q,counter):
        to = self.t
        npts = 512
        x0 = 12
        dx =2*x0/npts
        norm=0
        classic=0
        for n in range(0,npts+1):
            qi = -x0+n*dx
            for m in range(0,npts+1):
                pj = -x0+m*dx
                for k in range(0,npts+1):
                    xi_pk = -x0+k*dx
                    f1    += dx**3*wt(qi,pj,qo,po,to)*F(qi,xi_pk,Delta, Q)
                    fn += dx**3*wt(qi,pj,qo,po,to)*G(qi,xi_pk,xi_q,Delta,Q)
        if counter:
            return  [f1, fn/f1]
        return  fn/f1

使用多重处理甚至合理吗？

到目前为止，我已经检查了这些：

但是我无法实现这些功能，也没有找到解决方案。

Answer 1

考虑到这一点，您真正遇到的是一个动态的编程风格问题。您继续重新计算相同的条款。例如，您只需要计算一次dx^3，而您要进行npts^3次。同样，您只需计算一次每个3*wt(qi,pj,qo,po,to)项，但是您只需计算2*npts次。

尝试类似的东西：

def class_corr(self,Delta,xi_q,Q,counter):
    to = self.t
    npts = 512
    x0 = 12
    dx =2*x0/npts
    dx3 = dx**3
    norm=0
    classic=0
    for n in range(0,npts+1):
        qi = -x0+n*dx
        for m in range(0,npts+1):
            pj = -x0+m*dx
            wt_curr = wt(qi,pj,qo,po,to)
            for k in range(0,npts+1):
                xi_pk = -x0+k*dx
                f1 += dx3*wt_curr*F(qi,xi_pk,Delta, Q)
                fn += dx3*wt_curr*G(qi,xi_pk,xi_q,Delta,Q)
    if counter:
        return  [f1, fn/f1]
    return  fn/f1

此外，您计算F和G npts的次数比所需次数多。看起来每个变量仅随qi和xi_pk而变化（xi_q，Delta和Q在这种方法中似乎没有变化）。如果您尝试使用某种2层defaultdict来记录您已经计算出qi（或xi_pk）的F和G值，则可以节省了大量不必要的调用和F（或G）的计算。

（PS-我知道这不是您要寻找的方法，但我认为它可以解决您的问题的核心。您花费大量时间重新计算已经计算出的术语。）

嵌套的多处理

1 个答案: