scipy.optimize中可调用函数内的Python多处理

我试图在一个由scipy.optimize的最小化函数调用的代价函数中使用多处理。在代价函数中，我有一个循环，我想并行计算

该守则的简化版本如下：

import numpy as np
from scipy.optimize import minimize
import multiprocessing as mp


def cost_fun(Z, arg1, arg2):
    f = 0
    shift_args = []
    for k in range(8):
        shift_args.append((arg1[ :, k], arg2[ :, k]))
    p = mp.Pool(mp.cpu_count())
    R = p.starmap(calc_R, shift_args)
    p.close()
    f = f + sum([s**2 for s in R])*Z

    return f

def calc_R(x, y):
    print('You are here')
    return x[0] * y[3]


tmp = minimize(fun=cost_fun, x0=1, method='BFGS', options={'disp': False, 'gtol': 1e-10}, args = (np.random.rand(10,8), np.random.rand(10,8)))

代码冻结在

R=p.starmap（计算、移位参数）

行

如何进行多重处理

---

非常感谢您的帮助。

这是否回答了您的问题？不。在这个问题上，他试图并行地进行优化，我只需要在优化的代价函数中并行地进行计算。你能提供一个最小的工作示例吗？此外，您要并行化的calc_R函数似乎非常简单，因此为每个调用生成一个单独的进程可能比实际计算更昂贵。您所说的“工作示例”是什么意思？calc_R函数只是一个例子——实际函数要复杂得多。我已经理解了。使用简单的“哑巴”示例进行编辑。代码出现在

R=p.starmap…

行。