与Python Joblib的双重并行循环
问题描述:
我想加快涉及许多独立集成的计算。为此,我使用pythons Joblib和多处理。到目前为止,我已经成功地将我的计算的内部循环并行化了,但我想对外部循环做同样的事情。由于并行编程伴随着我的思维混乱,我想知道是否有人可以帮助我。到目前为止,我有:
from joblib import Parallel, delayed
import multiprocessing
N = 10 # Some number
inputs = range(1,N,2)
num_cores = multiprocessing.cpu_count()
def processInput(n):
u_1 = lambda x,y: f(x,y)g(n,m) # Some function
Cn = scintegrate.nquad(u_1, [[A,B],[C,D]]) # A number
return Cn*F(x,y)*G(n,m)
resultsN = []
for m in range(1,N,2): # How can this be parallelized?
add = Parallel(n_jobs=num_cores)(delayed(processInput)(n) for n in inputs)
resultsN = add + resultsN
resultsN = sum(resultsN)
这到目前为止产生了正确的结果。现在我想用外循环做同样的事情。有没有人有一个想法,我可以做到这一点?
我也想知道u_1声明是否可以在processInput之外完成,并且任何其他改进建议都将被赞赏。
感谢您的回复。
答
如果我理解正确,那么对n
值范围运行函数processInput(n)
,并且您需要执行该操作并将所有内容添加在一起。在这里,索引m
只会记录您想要运行处理函数的次数,并将结果添加到一起,但没有别的。这使您可以仅使用一层并行处理来完成所有任务,即创建一个已包含重复值的输入列表,并将该工作负载分配给您的内核。快速的直觉是,并行处理输入[1,2,3,4]
而不是处理输入,然后多次执行并行输入[1,1,1,2,2,2,3,3,3,4,4,4]
。这是它可能看起来像(我已经改变你的功能,我可以运行一个更简单的功能)。
import numpy as np
from joblib import Parallel, delayed
import multiprocessing
from math import ceil
N = 10 # Some number
inputs = range(1,N,2)
num_cores = multiprocessing.cpu_count()
def processInput(n): # toy function
return n
resultsN = []
# your original solution with an additional loop that needs
# to be parallelized
for m in range(1,N,2):
add = Parallel(n_jobs=num_cores)(delayed(processInput)(n) for n in inputs)
resultsN = add + resultsN
resultsN = sum(resultsN)
print resultsN
# solution with only one layer of parallelization
ext_inputs = np.repeat(inputs,ceil(m/2.0)).tolist()
add = Parallel(n_jobs=num_cores)(delayed(processInput)(n) for n in ext_inputs)
resultsN = sum(add)
print resultsN
的ceil
是必需的,因为你原来的循环m
跳过每秒值。