Question

对于迭代器运行时的特定问题和每次运行的时间，我必须使用嵌套的for循环。我正在尝试针对不同的超参数值（此处为T）执行该操作。我正在尝试使用multiprocessing.pool方法并行化此过程（3个过程）。但是我不知道如何实现。

def simulate(T,runs,time,param1, param2, param3, param4):
for i in tqdm(range(runs)):
    #Reset parameters
    for j in range(time):
        #Do some mathematics
#Some more mathematics
return (some output)

可以看出，该函数的参数数量很多。所以我也不确定如何将其合并到functools.partial中。有准则吗？

Answer 1

如果我对您的理解正确，那么您想使用不同的T值运行Simulation（）方法并比较结果。要使用多处理来实现此功能，您只需要设置具有正确数量的进程的Pool，然后使用map在T值列表上运行函数。您还需要使用partial将您的函数从需要七个参数的函数转换为只需要一个函数的函数，而对于其他六个函数则使用常数。这很重要，因为map需要知道哪个参数正在变化。这是一个（未经测试的）示例：

import multiprocessing as mp
from functools import partial

# Create pool with desired number of processes
pool = mp.Pool( processes=3 )
# Make a partial function with preset values for params
partial_function = partial( simulate, runs=runs, 
   time=time, param1=param1, param2=param2, 
   param3=param3, param4=param4 )
# Dummy values for what T should be
options_for_T = [100, 200, 300, 400, 500, 600]
# Results will be a list of the output of simulate() for each T
results = pool.map( partial_function, options_for_T )

编辑：我还应该指出，在这里使用tqdm可能会适得其反，因为您的所有进程都将互相交谈

使用multiprocessing.pool嵌套for循环

1 个答案: