Question

在Python 3.6上，我定义了一个类foo，该类实例化了一个对象p。在实例化时，该类执行计算量大的插值并将插值函数“附加”到对象。

完成此操作后，就可以调用其他类方法，而无需再次插值。到目前为止，一切都很好。

下面的代码显示了一个最小的工作示例：

import numpy as np
from scipy.integrate import quad
from scipy.interpolate import interp1d

class foo(object):
    def __init__(self):
        self.func = self.interp()


    def interp(self):
        def integrand(x): return self.shape(x)

        xpoints = np.arange(100)
        ypoints = [quad(
                        integrand, a=-np.inf, b=np.inf
                        )[0]/x for x in xpoints]

        I = interp1d(xpoints, ypoints)
        return I


    def shape(self, x):
        F = x**2  # complicated maths here
        return F

然后我使用p对象执行繁重的任务。我将其并行化以进行优化。我像这样使用multiprocessing库：

import multiprocessing as mp

with mp.Pool(mp.cpu_count()) as pool:
    results = pool.map(func, list(bar))  # func uses my p instance

我收到一个错误MaybeEncodingError: Error sending result...，它的回溯表明我的插值函数无法修复。

我不知道如何腌制interp1d，并且我不想更改当前代码的结构，因为这已经经过了深思熟虑，而且我认为它是最有效的格式。我可以增加几行以使插值函数成为顶级函数吗？

我尝试使用joblib，它一直抱怨内存问题（即使使用了1个CPU）。

就我而言，multiprocessing确实可以胜任。它实际上完成了工作，在终端中输出结果，但是无法将所有结果汇总在一起。我要并行化的可迭代项中的所有项都是完全独立的。

Answer 1

池使用多处理队列在进程之间传输数据。这些队列仅对可腌制数据起作用。腌制的功能仅按名称存储，然后由取消腌制的人重新导入。自然，这意味着它们必须是可导入的。

通常有一些方法可以解决这些酸洗问题，但可以避免麻烦，而安装pathos。它的多处理池使用dill可以腌制几乎所有东西。

如何腌制Python类方法？

1 个答案: