Python 在类内使用emcee库中的多处理

我曾尝试使用库在类内实现蒙特卡罗马尔可夫链，并使多处理模块工作，但在运行此类测试代码后：

import numpy as np
import emcee
import scipy.optimize as op
# Choose the "true" parameters.
m_true = -0.9594
b_true = 4.294
f_true = 0.534

# Generate some synthetic data from the model.
N = 50
x = np.sort(10*np.random.rand(N))
yerr = 0.1+0.5*np.random.rand(N)
y = m_true*x+b_true
y += np.abs(f_true*y) * np.random.randn(N)
y += yerr * np.random.randn(N)

class modelfit():
      def  __init__(self):
          self.x=x
          self.y=y
          self.yerr=yerr
          self.m=-0.6
          self.b=2.0
          self.f=0.9
      def get_results(self):
          def func(a):
              model=a[0]*self.x+a[1]
              inv_sigma2 = 1.0/(self.yerr**2 + model**2*np.exp(2*a[2]))
              return 0.5*(np.sum((self.y-model)**2*inv_sigma2 + np.log(inv_sigma2)))
          result = op.minimize(func, [self.m, self.b, np.log(self.f)],options={'gtol': 1e-6, 'disp': True})
          m_ml, b_ml, lnf_ml = result["x"]
          return result["x"]
      def lnprior(self,theta):
          m, b, lnf = theta
          if -5.0 < m < 0.5 and 0.0 < b < 10.0 and -10.0 < lnf < 1.0:
             return 0.0
          return -np.inf
      def lnprob(self,theta):
          lp = self.lnprior(theta)
          likelihood=self.lnlike(theta)
          if not np.isfinite(lp):
             return -np.inf
          return lp + likelihood
      def lnlike(self,theta):
          m, b, lnf = theta
          model = m * self.x + b
          inv_sigma2 = 1.0/(self.yerr**2 + model**2*np.exp(2*lnf))
          return -0.5*(np.sum((self.y-model)**2*inv_sigma2 - np.log(inv_sigma2)))
      def run_mcmc(self,nstep):
          ndim, nwalkers = 3, 100
          pos = [self.get_results() + 1e-4*np.random.randn(ndim) for i in range(nwalkers)]
          self.sampler = emcee.EnsembleSampler(nwalkers, ndim, self.lnprob,threads=10)
          self.sampler.run_mcmc(pos, nstep)
test=modelfit()
test.x=x
test.y=y
test.yerr=yerr
test.get_results()
test.run_mcmc(5000)

将numpy导入为np
进口主持
导入scipy.optimize作为op
#选择“true”参数。
m_真=-0.9594
b_真=4.294
f_真=0.534
#从模型生成一些合成数据。
N=50
x=np.sort（10*np.rand.rand（N））
yerr=0.1+0.5*np.random.rand（N）
y=m_真*x+b_真
y+=np.abs（f_真*y）*np.random.randn（N）
y+=yerr*np.random.randn（N）
类modelfit（）：
定义初始化（自）：
self.x=x
self.y=y
self.yerr=yerr
self.m=-0.6
self.b=2.0
自相关系数f=0.9
def get_结果（自我）：
def func（a）：
模型=a[0]*self.x+a[1]
inv_sigma2=1.0/（self.yerr**2+模型**2*np.exp（2*a[2]））
返回0.5*（np.sum（（self.y-model）**2*inv\u sigma2+np.log（inv\u sigma2）））
结果=op.minimize（func[self.m，self.b，np.log（self.f）]，选项={'gtol'：1e-6，'disp'：True}）
m_ml，b_ml，lnf_ml=结果[“x”]
返回结果[“x”]
def lnprior（自身，θ）：
m、 b，lnf=θ
如果-5.0

我收到了以下错误消息：

File "MCMC_model.py", line 157, in run_mcmc
    self.sampler.run_mcmc(theta0, nstep)
  File "build/bdist.linux-x86_64/egg/emcee/sampler.py", line 157, in run_mcmc
  File "build/bdist.linux-x86_64/egg/emcee/ensemble.py", line 198, in sample
  File "build/bdist.linux-x86_64/egg/emcee/ensemble.py", line 382, in _get_lnprob
  File "build/bdist.linux-x86_64/egg/emcee/interruptible_pool.py", line 94, in map
  File "/vol/aibn84/data2/zahra/anaconda/lib/python2.7/multiprocessing/pool.py", line 558, in get
    raise self._value
cPickle.PicklingError: Can't pickle <type 'instancemethod'>: attribute lookup __builtin__.instancemethod failed

文件“MCMC_model.py”，第157行，在run_MCMC中
自动取样器运行mcmc（θ0，nstep）
文件“build/bdist.linux-x86_64/egg/emcee/sampler.py”，第157行，在run_mcmc中
示例中的第198行文件“build/bdist.linux-x86_64/egg/emcee/emessemble.py”
文件“build/bdist.linux-x86_64/egg/emcee/essemble.py”，第382行，在
文件“build/bdist.linux-x86_64/egg/emcee/interruptable_pool.py”，第94行，在map中
get中的文件“/vol/aibn84/data2/zahra/anaconda/lib/python2.7/multiprocessing/pool.py”，第558行
提升自我价值
cPickle.PicklingError:无法pickle:属性查找\uuuu内置\uuuuu。instancemethod失败

我认为这与我如何在类中使用多处理有关，但我不知道如何保持类的结构，同时也使用多处理

谢谢你给我任何提示

---

另外，如果我从上一个函数中删除

threads=10

，那么代码就可以完美地工作。

有很多问题可以讨论发生了什么：

…包括这一个，这似乎是你对几乎相同问题的回答：

---

然而，这里的不同之处在于，您没有直接使用

多处理

，而是

emcee

。因此，

pathos.multiprocessing

解决方案（来自上面的链接）不适用于您。由于

emcee

使用

cPickle

，您必须坚持使用

pickle

知道如何序列化的东西。对于类实例，您运气不佳。典型的解决方法是使用

copy\u reg

来注册要序列化的对象的类型，或者添加

\uuuuuuu reduce\uuuu

方法来告诉python如何序列化它。你可以从上面的链接中看到一些答案，它们提出了类似的建议……但没有一个能让你保持课堂写作的方式。

有一些问题讨论了正在发生的事情：

…包括这一个，这似乎是你对几乎相同问题的回答：

---

然而，这里的不同之处在于，您没有直接使用

多处理

，而是

emcee

。因此，

pathos.multiprocessing

解决方案（来自上面的链接）不适用于您。由于

emcee

使用

cPickle

，您必须坚持使用

pickle

知道如何序列化的东西。对于类实例，您运气不佳。典型的解决方法是使用

copy\u reg

来注册要序列化的对象的类型，或者添加

\uuuuuuu reduce\uuuu

方法来告诉python如何序列化它。你可以从上面的链接中看到一些答案，它们提出了类似的建议……但没有一个能让你保持课堂写作的方式。

有一些问题讨论了正在发生的事情：

…包括这一个，这似乎是你对几乎相同问题的回答：

然而，这里的不同之处在于，您没有直接使用

多处理

，而是

emcee

。因此，

pathos.multiprocessing

解决方案（来自上面的链接）不适用于您。由于

emcee

使用

cPickle

，您必须坚持使用

pickle

知道如何序列化的东西。对于类实例，您运气不佳。典型的解决方法是使用

copy\u reg

注册对象y的类型