Question

我正在尝试使用joblib在机器学习算法的实现中使用一些并行计算，尤其是在this page上使用的技术。以下示例供我理解并行性，我的ML算法中的第二个示例遇到了同样的问题。

此示例按预期在所有4个内核上运行：

from joblib import Parallel, delayed

N_PARAM = 10000
N_TEST_FUN = 10000000

def testfunc(data):
    for _ in range(N_TEST_FUN):
        for i in data:
                i*i

def run(niter=10):
    data = [list(range(N_PARAM)) for _ in range(niter)]
    pool = Parallel(n_jobs=-1, verbose=1, pre_dispatch='all')
    results = pool(delayed(testfunc)(dd) for dd in data)

if __name__ == '__main__':
    run()

此示例仅在1上运行

from joblib import Parallel, delayed

N_PARAM = 10000
N_TEST_FUN = 10000000

def testfunc():
    for _ in range(N_TEST_FUN):
        for i in range(N_PARAM):
            i**2

def run(niter=10):
    pool = Parallel(n_jobs=-1, verbose=1, pre_dispatch="all")
    pool(testfunc() for _ in range(niter))

if __name__ == "__main__":
    run()

我一点都不明白。为什么会这样？

我是Ubuntu 18.10，我使用的是Anaconda发行版的joblib 0.13.2和python 3.6.8。

Answer 1

您可以在此处找到答案：
what-does-the-delayed-function-do-when-used-with-joblib-in-python
接受的答案有充分的解释。

据我了解，您的第二个示例pool(testfunc() for _ in range(niter))在函数可以传递给多进程之前返回结果。

Joblib的一个最小示例在所有4个内核上运行，另一个仅在一个内核上运行。固定？

1 个答案: