Question

有没有办法为基本的numpy操作启用自动并行化，比如数组的元素乘法和基本的numpy函数，如np.sum和np.average？

我知道blas / lapack函数是可能的，正如此线程中针对scipy.linalg.solve所讨论的那样：

Is it possible to know which SciPy / NumPy functions run on multiple cores?

我设法通过MKL本地并行运行此代码：

import numpy

def test():
    n = 5000
    data = numpy.random.random((n, n))
    result = numpy.linalg.inv(data)

test();

但我需要同时运行这样的东西：

   N = 1024    
   A = np.zeros((N,N,N),dtype='float32')    
   B = np.zeros((N,N,N),dtype='float32')
   C = np.zeros((N,N,N),dtype='float32')

   A[:,:,:] = 1
   B[:,:,:] = 2

   # this is the part I want parallel
   C[:,:,:] = A[:,:,:]*B[:,:,:]

   # also this:
   avgC = np.average(C)

否则，对这些目标操作进行并列化的最简单方法是什么？

Answer 1

有几个automatic parallelization tools for Python，但我不确定它们是否与Numpy兼容。可以通过将Python-to-C++ translator与automatic parallelization tool for C++组合来并行化这些操作。

原生numpy并行化 - 乘法和和/平均

1 个答案: