Question

我希望使用多处理模块来加快某些传输规划模型的运行时间。我通过“正常”方法尽可能地优化，但其核心是一个荒谬的并行问题。例如，执行相同的矩阵运算集，4个不同的输入集，所有独立的信息。

伪代码：

    for mat1,mat2,mat3,mat4 in zip([a1,a2,a3,a4],[b1,b2,b3,b4],[c1,c2,c3,c4],[d1,d2,d3,d4]):
        result1 = mat1*mat2^mat3
        result2 = mat1/mat4
        result3 = mat3.T*mat2.T+mat4

所以我真正想做的就是在四核计算机上并行处理这个循环的迭代。我已经在这里以及多处理模块上的其他地方阅读过，除了要求之外，它似乎完全符合要求：

   if __name__ == '__main__'

根据我的理解，这意味着您只能从脚本运行多进程代码？即如果我做了类似的事情：

    import multiprocessing
    from numpy.random import randn

    a = randn(100,100)
    b = randn(100,100)
    c = randn(100,100)
    d = randn(100,100)

    def process_matrix(mat):
        return mat^2

    if __name__=='__main__':
        print "Multiprocessing"
        jobs=[]

        for input_matrix in [a,b,c,d]:
            p = multiprocessing.Process(target=process_matrix,args=(input_matrix,))
            jobs.append(p)
            p.start()

它运行正常，但假设我将上面保存为'matrix_multiproc.py'，并定义了一个新文件'imported_test.py'，它只是声明：

    import matrix_multiproc

多重处理不会发生，因为名称现在是'matrix_multiproc'而不是' main '

这是否意味着我永远不能在导入的模块上使用并行处理？我所要做的就是将我的模型运行为：

    def Model_Run():
        import Part1, Part2, Part3, matrix_multiproc, Part4

        Part1.Run()
        Part2.Run()
        Part3.Run()
        matrix_multiproc.Run()
        Part4.Run()

对于一个非常长的问题很抱歉，这可能是一个简单的答案，谢谢！

Answer 1

这是否意味着我永远不能在导入的模块上使用并行处理？

不，它没有。您可以在代码中的任何位置使用multiprocessing，提供程序的主模块使用if __name__ == '__main__'后卫。

在Unix系统上，你甚至不需要那个防护，因为它具有fork()系统调用，可以从主python进程创建子进程。

另一方面，在Windows上，fork()通过使用不同的{{1}生成运行主模块的新进程来模拟multiprocessing __name__ }。如果没有这里的警卫，你的主应用程序将尝试再次产生新的进程，导致无限循环，并且很快耗尽所有计算机的内存。

导入使用MultiProcessing Python的模块

1 个答案: