Jupyter笔记本

Question

Jupyter笔记本

我基本上使用多处理模块，我还在学习多处理的功能。我正在使用Dusty Phillips的书，这段代码属于它。

import multiprocessing  
import random
from multiprocessing.pool import Pool

def prime_factor(value):
    factors = []
    for divisor in range(2, value-1):
        quotient, remainder = divmod(value, divisor)
        if not remainder:
            factors.extend(prime_factor(divisor))
            factors.extend(prime_factor(quotient))
            break
        else:
            factors = [value]
    return factors

if __name__ == '__main__':
    pool = Pool()
    to_factor = [ random.randint(100000, 50000000) for i in range(20)]
    results = pool.map(prime_factor, to_factor)
    for value, factors in zip(to_factor, results):
        print("The factors of {} are {}".format(value, factors))

在Windows PowerShell上（不在jupyter笔记本上），我看到以下内容

Process SpawnPoolWorker-5:
Process SpawnPoolWorker-1:
AttributeError: Can't get attribute 'prime_factor' on <module '__main__' (built-in)>

我不知道为什么细胞永远不会结束？

Answer 1

似乎Jupyter笔记本中的问题与不同的ide一样是设计特征。因此，我们必须将函数（prime_factor）写入不同的文件并导入模块。此外，我们必须处理调整。例如，在我的例子中，我已将函数编码为名为defs.py

的文件

def prime_factor(value):
    factors = []
    for divisor in range(2, value-1):
        quotient, remainder = divmod(value, divisor)
        if not remainder:
            factors.extend(prime_factor(divisor))
            factors.extend(prime_factor(quotient))
            break
        else:
            factors = [value]
    return factors

然后在jupyter笔记本中我写了以下几行

import multiprocessing  
import random
from multiprocessing import Pool
import defs



if __name__ == '__main__':
    pool = Pool()
    to_factor = [ random.randint(100000, 50000000) for i in range(20)]
    results = pool.map(defs.prime_factor, to_factor)
    for value, factors in zip(to_factor, results):
        print("The factors of {} are {}".format(value, factors))

这解决了我的问题

Answer 2

要执行功能而无需手动将其写入单独的文件中：

我们可以动态地将要处理的任务写入临时文件，然后将其导入并执行功能。

from multiprocessing import Pool
from functools import partial
import inspect

def parallal_task(func, iterable, *params):

    with open(f'./tmp_func.py', 'w') as file:
        file.write(inspect.getsource(func).replace(func.__name__, "task"))

    from tmp_func import task

    if __name__ == '__main__':
        func = partial(task, params)
        pool = Pool(processes=8)
        res = pool.map(func, iterable)
        pool.close()
        return res
    else:
        raise "Not in Jupyter Notebook"

然后我们可以像这样在笔记本电脑中简单地调用它：

def long_running_task(params, id):
    # Heavy job here
    return params, id

data_list = range(8)

for res in parallal_task(long_running_task, data_list, "a", 1, "b"):
    print(res)

输出：

('a', 1, 'b') 0
('a', 1, 'b') 1
('a', 1, 'b') 2
('a', 1, 'b') 3
('a', 1, 'b') 4
('a', 1, 'b') 5
('a', 1, 'b') 6
('a', 1, 'b') 7

注意：如果您正在使用Anaconda，并且想要查看繁重的任务进度，则可以在print()内使用long_running_task()。打印的内容将显示在Anaconda Prompt控制台中。

Answer 3

为处理让多进程在Jupyter会话中正常运行的许多怪癖，我创建了一个库mpify，该库允许一次性执行多进程功能，并使用一个将内容从笔记本传递给子进程的函数。简单的API。

Jupyter Shell进程本身可以作为工作进程参与。用户可以选择从所有工作者或其中之一收集结果。

这里是：

https://github.com/philtrade/mpify

在后台，它使用multiprocess（来自标准python multiprocessing库的受积极支持的派生）允许子集中可访问笔记本中本地定义的变量/函数。它还使用spawn启动方法，如果子进程要使用多个GPU，这是越来越普遍的用例，这是必需的。它使用Process() API中的Pool()而不是multiprocess。

用户可以提供一个自定义上下文管理器来获取资源，设置/拆卸函数执行周围的执行环境。我提供了一个示例上下文管理器来支持PyTorch的分布式数据并行（DDP）设置，并提供了更多示例，介绍了如何使用DDP在Jupyter中的多个GPU上训练fastai v2。

欢迎查看错误报告，PR，用例共享。

绝不是一个花哨的/功能强大的库，mpify仅打算支持单主机/多进程类型的分布式设置，而只是生成-执行-终止。它也不支持持久的进程池和精美的任务调度-ipyparallel或dask已经做到了。

我希望它对于那些在Jupyter +多处理以及在使用多GPU方面可能遇到困难的人们很有用。谢谢。

Answer 4

严格来说，即使添加了 if __name__="__main__"，Windows Jupyter Notebook 也不支持 Python 多处理。

Windows 10 中的一种解决方法是将 Windows 浏览器与 WSL 中的 Jupyter 服务器连接。

您可以获得与 Linux 相同的体验。

您可以手动设置或参考https://github.com/mszhanyi/gemini

中的脚本

Jupyter笔记本永远不会使用多处理完成处理（Python 3）

Jupyter笔记本

4 个答案: