Question

我正在做一些并行处理，如下：

with mp.Pool(8) as tmpPool:
        results = tmpPool.starmap(my_function, inputs)

其中输入看起来像： [（1,0.2312），（5,0.52）...] 即int和float的元组。

代码运行得很好，但我似乎无法将其包裹在加载栏（tqdm）上，例如可以通过以下imap方法来完成：

tqdm.tqdm(mp.imap(some_function,some_inputs))

也可以对星图进行此操作吗？

谢谢！

Answer 1

最简单的方法可能是在输入周围应用 tqdm()，而不是映射函数。例如：

inputs = zip(param1, param2, param3)
with mp.Pool(8) as pool:
    results = pool.starmap(my_function, tqdm.tqdm(inputs, total=len(inputs)))

Answer 2

starmap()是不可能的，但是添加Pool.istarmap()的补丁程序是可能的。它基于imap()的代码。您要做的就是创建istarmap.py文件并导入模块以应用补丁，然后再进行常规的多处理导入。

# istarmap.py
import multiprocessing.pool as mpp


def istarmap(self, func, iterable, chunksize=1):
    """starmap-version of imap
    """
    if self._state != mpp.RUN:
        raise ValueError("Pool not running")

    if chunksize < 1:
        raise ValueError(
            "Chunksize must be 1+, not {0:n}".format(
                chunksize))

    task_batches = mpp.Pool._get_tasks(func, iterable, chunksize)
    result = mpp.IMapIterator(self._cache)
    self._taskqueue.put(
        (
            self._guarded_task_generation(result._job,
                                          mpp.starmapstar,
                                          task_batches),
            result._set_length
        ))
    return (item for chunk in result for item in chunk)


mpp.Pool.istarmap = istarmap

然后在您的脚本中：

import istarmap  # import to apply patch
from multiprocessing import Pool
import tqdm    


def foo(a, b):
    for _ in range(int(50e6)):
        pass
    return a, b    


if __name__ == '__main__':

    with Pool(4) as pool:
        iterable = [(i, 'x') for i in range(10)]
        for _ in tqdm.tqdm(pool.istarmap(foo, iterable),
                           total=len(iterable)):
            pass

Answer 3

临时解决方案：重写要与imap并行化的方法。

Answer 4

正如 Darkonaut 所提到的，在撰写本文时，没有 istarmap 本机可用。如果您想避免打补丁，可以添加一个简单的 *_star 函数作为解决方法。（此解决方案的灵感来自 this tutorial.）

import tqdm
import multiprocessing

def my_function(arg1, arg2, arg3):
  return arg1 + arg2 + arg3

def my_function_star(args):
    return my_function(*args)

jobs = 4
with multiprocessing.Pool(jobs) as pool:
    args = [(i, i, i) for i in range(10000)]
    results = list(tqdm.tqdm(pool.imap(my_function_star, args), total=len(args))

一些注意事项：

我也很喜欢科里的回答。它更干净，但进度条似乎没有我的答案更新得那么顺利。请注意，使用我在上面发布的带有 chunksize=1（默认值）的代码，corey 的答案要快几个数量级。我猜这是由于多处理序列化，因为增加 chunksize（或具有更昂贵的 my_function）使它们的运行时间具有可比性。

因为我的序列化/函数成本比率非常低，所以我选择了我的应用程序的答案。

星图结合tqdm？

4 个答案: