Python 是否有一种有效的方法将不同的函数应用于数组的每个元素？

我的部分代码涉及对张量的每个元素应用不同的函数。具体来说，假设我有：

f=[f1，f2，…，fn]

及

X=[X1，X2，…，Xn]

这里，

f

的每个元素都是一个函数，它接受一个张量并生成另一个张量，

X

的每个元素都是一个张量

我想做的是计算：

y=[f1（X1），f2（X2），…，fn（Xn）]

到目前为止，我一直在使用

zip

，即：

y=[cur\u f（cur\u x）表示cur\u f，cur\u x在zip中（f，x）]

这工作得很好，但效率不高，因为虽然每个操作可以并行运行，但它将按顺序运行。更糟糕的是，我不能在这个问题上使用

tf.function

，因为我在一个张量上迭代，我不认为我可以使用

tf.map\fn

，因为我在

f

的情况下循环函数

---

有没有一个好的、快速的方法可以做到这一点，或者zip方式是唯一的方法？

如果您执行

def apply（p）：p[0]（p[1]）

则问题会简化为

map（apply，zip（f，x））

。这足以并行完成吗？@kaya3，我不认为这是并行完成的。内置的

map

没有，但我的意思是它变成了一个常规的map，其中相同的函数

apply

应用于序列

zip（f，x）

的每个元素。因此，如果您有一种并行处理映射的方法，那么只要您能够向它传递函数（而不仅仅是数据），它就应该可以工作。我自己不使用tensorflow，所以我不知道

tf.map\u fn

是否允许这样做。您可以使用pythons线程模块。对于这种任务来说，它可能有点过于强大了