Python Multiprocessing多進(jìn)程 使用tqdm顯示進(jìn)度條的實(shí)現(xiàn)
1.背景
在python運(yùn)行一些,計(jì)算復(fù)雜度比較高的函數(shù)時(shí),服務(wù)器端單核CPU的情況比較耗時(shí),因此需要多CPU使用多進(jìn)程加快速度
2.函數(shù)要求
筆者使用的是:pathos.multiprocessing 庫,進(jìn)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?yàn)?,multiprocessing 庫中的Pool 函數(shù)只支持單參數(shù)輸入,例如 f(x) = x**2,而不能處理 f (x,y) = x+y 這類的函數(shù)
更不用說一些需要參數(shù)的函數(shù) 例如:F(x , alpha=0.5, gamma = 0.1) 這樣。
3.代碼
定義一個(gè) 函數(shù) F [ X ] ,其中,輸入X是可以在第一個(gè)維度上迭代的array, 大?。篬 num_X, len ] , 在第一維度 num_X 上進(jìn)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(gè)dict (字典格式)
這里的兩個(gè)函數(shù)超參數(shù) lamda 和 weight 雖然每次調(diào)用的時(shí)候值是一樣的,但是還是需要放一個(gè)數(shù)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(jié)果
mutiprocess 加速前
mutiprocess 加速后
以上就是本文的全部內(nèi)容,希望對大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
淺談Python數(shù)學(xué)建模之?dāng)?shù)據(jù)導(dǎo)入
數(shù)據(jù)導(dǎo)入是所有數(shù)模編程的第一步,比你想象的更重要。Python 語言中數(shù)據(jù)導(dǎo)入的方法很多。對于數(shù)學(xué)建模問題編程來說,選擇什么方法最好呢?答案是:沒有最好的,只有最合適的。對于不同的問題,不同的算法,以及所調(diào)用工具包的不同實(shí)現(xiàn)方法,對于數(shù)據(jù)就會(huì)有不同的要求2021-06-06Python寫的創(chuàng)建文件夾自定義函數(shù)mkdir()
這篇文章主要介紹了Python寫的創(chuàng)建文件夾自定義函數(shù)mkdir(),文件夾操作是編程中經(jīng)常需要的,mkdir函數(shù)更是經(jīng)典中的經(jīng)典,需要的朋友可以參考下2014-08-08Go語言基于Socket編寫服務(wù)器端與客戶端通信的實(shí)例
這篇文章主要介紹了Go語言基于Socket編寫服務(wù)器端與客戶端通信的實(shí)例,包括實(shí)現(xiàn)基于自定義通訊協(xié)議的Socket通信,需要的朋友可以參考下2016-02-02用python實(shí)現(xiàn)九九乘法表實(shí)例
大家好,本篇文章主要講的是用python實(shí)現(xiàn)九九乘法表實(shí)例,感興趣的同學(xué)趕快來看一看吧,對你有幫助的話記得收藏一下2022-01-01