Question

我有一笔我正在尝试计算的数字，而且我很难并行化代码。我试图并行化的计算有点复杂（它使用numpy数组和scipy稀疏矩阵）。它吐出一个numpy数组，我想从大约1000个计算中求和输出数组。理想情况下，我会在所有迭代中保持运行总和。但是，我还没弄清楚如何做到这一点。

到目前为止，我已尝试使用joblib的Parallel函数和pool.map函数与python的多处理包。对于这两个，我使用一个返回numpy数组的内部函数。这些函数返回一个列表，我将其转换为numpy数组，然后求和。

但是，在joblib并行函数完成所有迭代后，主程序永远不会继续运行（看起来原始作业处于挂起状态，使用0％CPU）。当我使用pool.map时，我会在所有迭代完成后得到内存错误。

有没有办法简单地并行运行数组的总和？

编辑：目标是执行以下操作，但并行执行。

def summers(num_iters):

    sumArr = np.zeros((1,512*512)) #initialize sum
    for index in range(num_iters):
        sumArr = sumArr + computation(index) #computation returns a 1 x 512^2 numpy array

    return sumArr

Answer 1

我想出了如何使用多处理，apply_async和回调并行化数组的总和，所以我在这里为其他人发布这个。我使用the example page for Parallel Python作为Sum回调类，虽然我实际上没有使用该包进行实现。但它给了我使用回调的想法。这是我最终使用的简化代码，它完成了我想要它做的事情。

import multiprocessing
import numpy as np
import thread

class Sum: #again, this class is from ParallelPython's example code (I modified for an array and added comments)
    def __init__(self):
        self.value = np.zeros((1,512*512)) #this is the initialization of the sum
        self.lock = thread.allocate_lock()
        self.count = 0

    def add(self,value):
        self.count += 1
        self.lock.acquire() #lock so sum is correct if two processes return at same time
        self.value += value #the actual summation
        self.lock.release()

def computation(index):
    array1 = np.ones((1,512*512))*index #this is where the array-returning computation goes
    return array1

def summers(num_iters):
    pool = multiprocessing.Pool(processes=8)

    sumArr = Sum() #create an instance of callback class and zero the sum
    for index in range(num_iters):
        singlepoolresult = pool.apply_async(computation,(index,),callback=sumArr.add)

    pool.close()
    pool.join() #waits for all the processes to finish

    return sumArr.value

我还能够使用并行化地图来实现这一点，这是在另一个答案中提出的。我之前尝试过这个，但我没有正确实现它。这两种方式都有效，我认为this answer很好地解释了使用哪种方法（map或apply.async）的问题。对于地图版本，您不需要定义类Sum，并且夏天函数变为

def summers(num_iters):
    pool = multiprocessing.Pool(processes=8)

    outputArr = np.zeros((num_iters,1,512*512)) #you wouldn't have to initialize these
    sumArr = np.zeros((1,512*512))              #but I do to make sure I have the memory

    outputArr = np.array(pool.map(computation, range(num_iters)))
    sumArr = outputArr.sum(0)

    pool.close() #not sure if this is still needed since map waits for all iterations

    return sumArr

Answer 2

我不确定我是否理解这个问题。您是否只是尝试将列表分区到工作池中，让它们保持计算的运行总和，并对结果求和？

#!/bin/env python
import sys
import random
import time
import multiprocessing
import numpy as np

numpows = 5
numitems = 25
nprocs = 4

def expensiveComputation( i ):
  time.sleep( random.random() * 10 )
  return np.array([i**j for j in range(numpows)])

def listsum( l ):
  sum = np.zeros_like(l[0])
  for item in l:
    sum = sum + item
  return sum

def partition(lst, n):
  division = len(lst) / float(n)
  return [ lst[int(round(division * i)): int(round(division * (i + 1)))] for i in xrange(n) ]

def myRunningSum( l ):
  sum = np.zeros(numpows)
  for item in l:
     sum = sum + expensiveComputation(item)
  return sum

if __name__ == '__main__':

  random.seed(1)
  data = range(numitems)

  pool = multiprocessing.Pool(processes=4,)
  calculations = pool.map(myRunningSum, partition(data,nprocs))

  print 'Answer is:', listsum(calculations)
  print 'Expected answer: ', np.array([25.,300.,4900.,90000.,1763020.])

（分区函数来自Python: Slicing a list into n nearly-equal-length partitions）

如何在python numpy中并行化和计算？

2 个答案: