Question

我试图在Python中运行一堆仿真，所以我尝试通过多处理来实现它。

import numpy as np
import matplotlib.pyplot as plt
import multiprocessing as mp
import psutil

from Functions import hist, exp_fit, exponential

N = 100000  # Number of observations
tau = 13362.525  # decay rate to simulate
iterations = 1  # Number of iterations for each process
bin_size = 1*1e9 # in nanoseconds

def spawn(queue):
    results = []
    procs = list()
    n_cpus = psutil.cpu_count()
    for cpu in range(n_cpus):
        affinity = [cpu]
        d = dict(affinity=affinity)
        p = mp.Process(target=run_child, args=[queue], kwargs=d)
        p.start()
        procs.append(p)
    for p in procs:
        results.append(queue.get)
        p.join()
        print('joined')
    return results

def run_child(queue, affinity):
    proc = psutil.Process()  # get self pid
    proc.cpu_affinity(affinity)
    print(affinity)
    np.random.seed()
    for i in range(iterations):
        time = np.sort(-np.log(np.random.uniform(size=N)) * tau) * 1e9
        n, bins = hist(time, bin_size)
        fit = exp_fit(n, bins, silent=True)
        queue.put(fit)

if __name__ == '__main__':
    output = mp.Queue()
    plt.figure()
    results = spawn(output)
    bins = range(1000)
    for fit in results:
        plt.plot(bins, exponential(fit.params, bins), 'k-', alpha=0.1)
    plt.show()

我的尝试受到this答案的极大启发，我自己尝试找到解决方案时发现，其中每个进程的亲和力都是手动设置为numpy的，这显然会更改默认行为（如果仅在单个内核上运行，这还没有完成。）

我认为该代码大部分有效；每个过程都按照预期进行仿真和拟合，但是我无法弄清楚如何提取结果。现在，run_child方法中的queue.put（fit）似乎导致程序停止。

关于这种情况为什么发生以及如何解决的任何想法？

Answer 1

问题是试图将OptimizeResult数据类型传递到队列。从拟合中仅提取必要的数据，然后传递，就象魅力一样。

感谢Pierre-Nicolas Piquin帮助解决该问题！

Python多重处理：提取结果

1 个答案: