使用python多处理并行化keras中的模型预测

我正在尝试使用python2中keras提供的model.predict命令并行执行模型预测。我将tensorflow 1.14.0用于python2。我有5个模型（.h5）文件，希望predict命令并行运行。这是在Python2.7中运行的。我使用多处理池在多个进程上映射模型文件名和预测函数，如下所示

import matplotlib as plt
import numpy as np
import cv2
from multiprocessing import Pool
pool=Pool()
def prediction(model_name):
    global input
    from tensorflow.keras.models import load_model
    model=load_model(model_name)
    ret_val=model.predict(input).tolist()[0]
    return ret_val

models=['model1.h5','model2.h5','model3.h5','model4.h5','model5.h5']
start_time=time.time()
res=pool.map(prediction,models)
print('Total time taken: {}'.format(time.time() - start_time))
print(res)

Traceback (most recent call last):
  File "stackoverflow.py", line 47, in <module>
    with multiprocessing.Pool() as p:
AttributeError: __exit__

import matplotlib as plt
import numpy as np
import cv2
import multiprocessing
import tensorflow as tf
from contextlib import closing
import time

models=['model1.h5','model2.h5','model3.h5','model4.h5','model5.h5']
loaded_models=[]
for model in models:
    loaded_models.append(tf.keras.models.load_model(model))

def prediction(input_tuple):
    inputs,loaded_models=input_tuple
    predops=[]
    for model in loaded_models:
        predops.append(model.predict(inputs).tolist()[0])
    actops=[]
    for predop in predops:
        actops.append(predop.index(max(predop)))
    max_freqq = max(set(actops), key = actops.count) 
    return max_freqq

#....some pre-processing....#

    '''new_all_t is a list which contains tuples and each tuple has inputs from all_t 
    and the list containing loaded models which will be extracted
 in the prediction function.'''

new_all_t=[]
for elem in all_t:
    new_all_t.append((elem,loaded_models))
start_time=time.time()
with closing(multiprocessing.Pool()) as p:
    predops=p.map(prediction,new_all_t)
print('Total time taken: {}'.format(time.time() - start_time))

输入是从代码的另一部分获得的图像numpy数组。但在执行这项任务时，我得到以下信息：

Traceback (most recent call last):
Traceback (most recent call last):
  File "/usr/lib/python2.7/multiprocessing/process.py", line 267, in _bootstrap
  File "/usr/lib/python2.7/multiprocessing/process.py", line 267, in _bootstrap
    self.run()
    self.run()
  File "/usr/lib/python2.7/multiprocessing/process.py", line 114, in run
    self._target(*self._args, **self._kwargs)
  File "/usr/lib/python2.7/multiprocessing/process.py", line 114, in run
  File "/usr/lib/python2.7/multiprocessing/pool.py", line 102, in worker
    self._target(*self._args, **self._kwargs)
  File "/usr/lib/python2.7/multiprocessing/pool.py", line 102, in worker
    task = get()
  File "/usr/lib/python2.7/multiprocessing/queues.py", line 376, in get
    task = get()
  File "/usr/lib/python2.7/multiprocessing/queues.py", line 376, in get
    return recv()
    return recv()
AttributeError: 'module' object has no attribute 'prediction'
AttributeError: 'module' object has no attribute 'prediction'

我无法解释此错误消息，如何解决此问题？任何建议都将不胜感激

更新2: 感谢所有的提示和一个完整的例子@sokato。我执行了@sokato发布的确切代码，但是我得到了以下错误（我也对代码进行了更改，得到了如下所示的相同错误）

new_all_t是一个包含元组的列表，每个元组都有来自all_t的输入和包含加载模型的列表，这些模型将在预测函数中提取。但是，我现在得到以下错误：

Traceback (most recent call last):
  File "trial_mult-ips.py", line 240, in <module>
    predops=p.map(prediction,new_all_t)
  File "/usr/lib/python2.7/multiprocessing/pool.py", line 253, in map
    return self.map_async(func, iterable, chunksize).get()
  File "/usr/lib/python2.7/multiprocessing/pool.py", line 572, in get
    raise self._value
NotImplementedError: numpy() is only available when eager execution is enabled.

---

我无法解释此错误消息，如何解决此问题？任何建议都将不胜感激

因此，我不确定您的一些设计选择，但我根据给定的信息进行了最佳尝试。具体来说，我认为并行函数中的全局变量和import语句可能存在一些问题

您应该使用共享变量而不是全局变量在进程之间共享输入。如果需要，可以在多处理文档中阅读有关共享内存的更多信息

我从教程中生成了模型，因为不包括您的模型

您没有加入或关闭您的池，但使用以下代码，我能够使代码并行成功执行。您可以通过调用

pool.close（）

或使用下面所示的“with”语法来关闭池。注意，with语法不适用于Python2.7

---

我希望这会有所帮助。

请包括模型文件的回购（或以其他方式），以便我可以重新创建您的问题。您也不会在任何地方指定输入值。所以完整的代码会很好。请提供一个。您使用Python 2有什么特别的原因吗？您找到这个问题的解决方案了吗？感谢您的观点，我执行了您的代码，但出现了以下错误，回溯（最近一次调用）：文件“stackoverflow.py”，第47行，多处理.Pool（）作为p:AttributeError:exitSorry，这是因为python 2.7不包括池的上下文管理器。请参阅我用2.7运行的更新响应，以确保它工作正常。请查看原始问题中的Update2和UPDATE3，以获得python2的修复。非常感谢@sokato。然而，顺序版本的速度是并行版本的3倍。这不是个好主意吗？我知道这取决于型号。model.predict是否已使用多处理（针对单个实例）？但我希望在并行运行多个模型预测时，与顺序预测相比，速度会有所加快。进程间的通信开销是否太大，以致于超出了处理的重量？抱歉@sokato我没有刷新页面以查看您的评论。你已经评论过了！谢谢。但是你能看看我的评论吗？我还有一个疑问。@NickRogers分配池和流程管理有相关费用。并非所有应用程序都适合并行处理。我相信张量流可以选择在引擎盖下进行多处理，这可能会与多处理池本身发生冲突。根据我的经验，大量的计算显然可以用于并行编程。在这种情况下，模型评估趋于简单，因此流程管理开销占主导地位。另一方面，如果要测试大量的模型，或者每个模型计算本身都很昂贵，那么它可能会更有用。

WARNING:tensorflow:From /home/nick/.local/lib/python2.7/site-packages/tensorflow/python/ops/math_grad.py:1250: where (from tensorflow.python.ops.array_ops) is deprecated and will be removed in a future version.
Instructions for updating:
Use tf.where in 2.0, which has the same broadcast rule as np.where

Traceback (most recent call last):
  File "the_other_end-mp.py", line 216, in <module>
    predops=p.map(prediction,modelon)
  File "/usr/lib/python2.7/multiprocessing/pool.py", line 253, in map
    return self.map_async(func, iterable, chunksize).get()
  File "/usr/lib/python2.7/multiprocessing/pool.py", line 572, in get
    raise self._value
ValueError: Resource handles are not convertible to numpy.

import numpy as np
import multiprocessing, time, ctypes, os
import tensorflow as tf

mis = (28, 28) #model input shape
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

def createModels(models):
    model = tf.keras.models.Sequential([
        tf.keras.layers.Flatten(input_shape=mis),
        tf.keras.layers.Dense(128, activation='relu'),
        tf.keras.layers.Dropout(0.2),
        tf.keras.layers.Dense(10)
    ])

    model.compile(optimizer='adam',
               loss=tf.losses.SparseCategoricalCrossentropy(from_logits=True),
               metrics=['accuracy'])

    model.fit(x_train, y_train, epochs=5)

    for mod in models:
        model.save(mod)

def prediction(model_name):

    model=tf.keras.models.load_model(model_name)
    ret_val=model.predict(input).tolist()[0]
    return ret_val

if __name__ == "__main__":
    models=['model1.h5','model2.h5','model3.h5','model4.h5','model5.h5']
    dir = os.listdir(".")
    if models[0] not in dir:
        createModels(models)
    # Shared array input
    ub = 100
    testShape = x_train[:ub].shape
    input_base = multiprocessing.Array(ctypes.c_double, 
    int(np.prod(testShape)),lock=False)
    input = np.ctypeslib.as_array(input_base)
    input = input.reshape(testShape)
    input[:ub] = x_train[:ub]

    # with multiprocessing.Pool() as p:  #Use me for python 3
    p = multiprocessing.Pool() #Use me for python 2.7
    start_time=time.time()
    res=p.map(prediction,models)
    p.close() #Use me for python 2.7
    print('Total time taken: {}'.format(time.time() - start_time))
    print(res)