Question

我用OBSPY导入的文件有207条跟踪形成一条流，每条跟踪有30k个样本。来自每个轨迹的数据由seismic_data [trace_number] .data访问，并且是一维的ndarray。

我正在使用一个带跟踪和int作为参数的函数： kurt_1d（signal_1d，样本）。它返回一个相同大小的1-d数组。

目前我在207轨迹上使用for循环来在每条轨迹上运行该函数：

def kurt_nd(signal_nd, samples):

    kurt_array = signal_nd.copy()
    for index in range(207):
       kurt_array[index].data = kurt_1d(signal_1d=signal_nd[index].data,samples=samples)
    return(kurt_array)

如何使用多处理技术在整个流（207轨迹）上应用此函数kurt_1d（signal_1d，samples）来提高速度？目标是将每个生成的1-D ndarray存储在原始流副本的相应索引中。

Answer 1

您可以定义一个进程池来运行该功能。示例代码如下：

import multiprocessing as mp
import os

num_proc = os.cpu_count() # to get the number of cores on your computer

pool = mp.Pool(processes=num_proc)
proc = [pool.appy_async(kurt_nd,args=[i,samples]) for i in traces] # map the function to the processes
results = [p.get() for p in proc] # retrieve the results from your processes

如何在OBSPY流上应用多处理？

1 个答案: