Python中的简化并行网格搜索

好的，完全公开，我不是在做网格搜索，但是我能找到的关于我将要问的问题的最小示例可以（有一点保留）简化为网格搜索（以防你想知道为什么我没有提到numpy和friends）

---

我在Python中进行网格搜索，其中一个轴是离散的，另一个是连续的，但为了简单起见，假设我有以下内容：

x_axis = ['linear', 'quadratic', 'cubic']
y_axis = range(1, 100) # simplification

out = func_eval(fun)

我的函数的评估取决于轴和中间日志结构，因此，为了避免全局数据，我将函数定义为一个闭包：

def get_function(xval, *args): 
    """ creates the closure that encapsulates thread local data 
    """
    log = { } # initialization depends on args
    def fun(yval): 
    """ evaluation dedicated to single x_axis value 
    """
        if yval in log: 
            # in a proper grid search I wouldn't check twice
            # but this is just to show that log  is used and 
            # ammended inside fun()
        else: 
            log[yval] = 0

        return very_time_consuming_fun(xval, yval, log)

因此，脚本使用此设置运行网格搜索：

def func_eval(fun): 
    for yval in y_axis: 
        fun(yval)

# the loop I want to parallelize    
for xval in x_axis: 
    fun = get_function(xval, args) # args are computed based on xval
    func_eval(fun)                 # can I do result = func_eval(fun) ? 

我想问的是：

• 假设

  log

  对每个

  x\u轴的
  值使用不同的实例是否正确
  对于
  循环，并行化最后一个
  的最佳方法是什么？（如果
  日志
  实例需要同步，请详细说明）。同样，我只希望对每个
  x_轴的
  值进行评估，以确定其线程/核心/您指定的值（欢迎使用最佳实践）

• 是否有办法获得每个

  功能评估的结果，即如果我有以下条件，它是否仍然可以并行化：
  
  x_axis = ['linear', 'quadratic', 'cubic']
  y_axis = range(1, 100) # simplification
  
  out = func_eval(fun)
  
  

---

我讨厌沉默
这就是我现在正在做的（因此，如果不正确，至少我会被否决）
这应该足够好，但我得到以下错误：
PicklingError:无法pickle:属性查找内置。函数失败