Question

我尝试使用emcee库在类中实现蒙特卡罗马尔可夫链，并且在运行这样的测试代码之后也可以使多处理模块工作：

import numpy as np
import emcee
import scipy.optimize as op
# Choose the "true" parameters.
m_true = -0.9594
b_true = 4.294
f_true = 0.534

# Generate some synthetic data from the model.
N = 50
x = np.sort(10*np.random.rand(N))
yerr = 0.1+0.5*np.random.rand(N)
y = m_true*x+b_true
y += np.abs(f_true*y) * np.random.randn(N)
y += yerr * np.random.randn(N)

class modelfit():
      def  __init__(self):
          self.x=x
          self.y=y
          self.yerr=yerr
          self.m=-0.6
          self.b=2.0
          self.f=0.9
      def get_results(self):
          def func(a):
              model=a[0]*self.x+a[1]
              inv_sigma2 = 1.0/(self.yerr**2 + model**2*np.exp(2*a[2]))
              return 0.5*(np.sum((self.y-model)**2*inv_sigma2 + np.log(inv_sigma2)))
          result = op.minimize(func, [self.m, self.b, np.log(self.f)],options={'gtol': 1e-6, 'disp': True})
          m_ml, b_ml, lnf_ml = result["x"]
          return result["x"]
      def lnprior(self,theta):
          m, b, lnf = theta
          if -5.0 < m < 0.5 and 0.0 < b < 10.0 and -10.0 < lnf < 1.0:
             return 0.0
          return -np.inf
      def lnprob(self,theta):
          lp = self.lnprior(theta)
          likelihood=self.lnlike(theta)
          if not np.isfinite(lp):
             return -np.inf
          return lp + likelihood
      def lnlike(self,theta):
          m, b, lnf = theta
          model = m * self.x + b
          inv_sigma2 = 1.0/(self.yerr**2 + model**2*np.exp(2*lnf))
          return -0.5*(np.sum((self.y-model)**2*inv_sigma2 - np.log(inv_sigma2)))
      def run_mcmc(self,nstep):
          ndim, nwalkers = 3, 100
          pos = [self.get_results() + 1e-4*np.random.randn(ndim) for i in range(nwalkers)]
          self.sampler = emcee.EnsembleSampler(nwalkers, ndim, self.lnprob,threads=10)
          self.sampler.run_mcmc(pos, nstep)
test=modelfit()
test.x=x
test.y=y
test.yerr=yerr
test.get_results()
test.run_mcmc(5000)

我收到此错误消息：

File "MCMC_model.py", line 157, in run_mcmc
    self.sampler.run_mcmc(theta0, nstep)
  File "build/bdist.linux-x86_64/egg/emcee/sampler.py", line 157, in run_mcmc
  File "build/bdist.linux-x86_64/egg/emcee/ensemble.py", line 198, in sample
  File "build/bdist.linux-x86_64/egg/emcee/ensemble.py", line 382, in _get_lnprob
  File "build/bdist.linux-x86_64/egg/emcee/interruptible_pool.py", line 94, in map
  File "/vol/aibn84/data2/zahra/anaconda/lib/python2.7/multiprocessing/pool.py", line 558, in get
    raise self._value
cPickle.PicklingError: Can't pickle <type 'instancemethod'>: attribute lookup __builtin__.instancemethod failed

我认为它与我在类中使用多处理的方式有关但我无法弄清楚如何保持我的类结构的方式它同时也使用多处理?? !!

我会感谢任何提示。

P.S。如果我从上一个函数中删除threads=10，我必须提到代码完美无缺。

Answer 1

有很多SO问题可以讨论发生了什么：

https://stackoverflow.com/a/21345273/2379433
https://stackoverflow.com/a/28887474/2379433
https://stackoverflow.com/a/21345308/2379433
https://stackoverflow.com/a/29129084/2379433

......包括这一个，这似乎是你的答案......几乎同样的问题：

https://stackoverflow.com/a/25388586/2379433

但是，这里的区别在于您没有直接使用multiprocessing - 但emcee是。因此，pathos.multiprocessing解决方案（来自上面的链接）不适用于您。由于emcee使用cPickle，您必须坚持pickle知道如何序列化的内容。对于类实例，你运气不好。典型的解决方法是使用copy_reg来注册要序列化的对象类型，或者添加__reduce__方法来告诉python如何序列化它。您可以看到上述链接中的几个答案提示类似的事情......但没有一个能让您按照编写的方式保留课程。

Answer 2

对于记录，您现在可以创建一个pathos.multiprocessing池，并使用pool参数将其传递给emcee。但是，请注意，多处理的开销实际上可能会降低速度，除非计算的可能性特别耗时。

在类中的emcee库中使用多处理

2 个答案: