1.背景

在python運行一些，計算復雜度比較高的函數時，服務器端單核CPU的情況比較耗時，因此需要多CPU使用多進程加快速度

2.函數要求

筆者使用的是：pathos.multiprocessing 庫，進度條顯示用tqdm庫，安裝方法：

            
pip install pathos
          

安裝完成后

            
from pathos.multiprocessing import ProcessingPool as Pool
from tqdm import tqdm
          

這邊使用pathos的原因是因為，multiprocessing 庫中的Pool 函數只支持單參數輸入，例如 f(x) = x**2，而不能處理 f (x,y) = x+y 這類的函數

更不用說一些需要參數的函數 例如：F(x , alpha=0.5, gamma = 0.1) 這樣。

3.代碼

定義一個 函數 F [ X ] ,其中，輸入X是可以在第一個維度上迭代的array, 大小：[ num_X, len ] , 在第一維度 num_X 上進行迭代。

            
def F(X,lamda=10,weight=0.05):
  res={} 
  res.update(F_1(X,lamda=lamda,weight=weight))
  res.update(F_2(X,lamda=lamda,weight=weight))
  return res
          

x 是 F 的輸出，是一個dict (字典格式)

這里的兩個函數超參數 lamda 和 weight 雖然每次調用的時候值是一樣的，但是還是需要放一個數組每次用于迭代。

            
zip_lamda = [lamda for i in range(len(X)) ]
zip_weight = [weight for i in range(len(X)) ]
with tqdm(total=len(cold_sequences)) as t:
    for i, x in enumerate(pool.imap(F,X,zip_lamda,zip_weight)):
      X[i,:] = [x[key] for key in x.keys()]
      Y[i,] = 0
      t.update()
  pool.close()
  pool.join()
          

4.結果

mutiprocess 加速前

mutiprocess 加速后

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。