如何在Python线程池中使用初始值设定项

我尝试使用PyFFTW进行线程卷积，以计算大量的 同时进行二维卷积。 （由于GIL已发布，因此不需要单独的流程 用于Numpy操作）。 下面是这样做的标准模型：

（Py）FFTW速度如此之快是因为它重用了计划。必须为每个线程分别设置这些线程，以避免访问冲突错误，如下所示：

class Worker(Thread):
    """Thread executing tasks from a given tasks queue"""
    def __init__(self, tasks):
        Thread.__init__(self)
        self.tasks = tasks
        self.daemon = True

        # Make separate fftw plans for each thread.
        flag_for_fftw='patient'      
        self.inputa = np.zeros(someshape, dtype='float32')
        self.outputa = np.zeros(someshape_semi, dtype='complex64')

        # create a forward plan.
        self.fft = fftw3.Plan(self.inputa,self.outputa, direction='forward', flags=[flag_for_fftw],nthreads=1)         

        # Initialize the arrays for the inverse fft.
        self.inputb = np.zeros(someshape_semi, dtype='complex64')
        self.outputb = np.zeros(someshape, dtype='float32')

        # Create the backward plan.
        self.ifft = fftw3.Plan(self.inputb,self.outputb, direction='backward', flags=[flag_for_fftw],nthreads=1)               
        self.start() 

通过这种方式，可以将参数

self.inputa

，

self.outputa

，

self.fft

，

self.inputb

，

self.outputb

，

self.ifft

传递给Worker类中run方法内的实际卷积器

这很好，但我们不妨导入ThreadPool类：

from multiprocessing.pool import ThreadPool

但是我应该如何在ThreadPool中定义初始值设定项以获得相同的结果呢？ 根据文件 “每个工作进程启动时将调用初始值设定项（*initargs）”。 您可以在Python源代码中轻松检查这一点

但是，当您设置线程池时，例如使用2个线程：

po = ThreadPool(2,initializer=tobedetermined)

然后你运行它，也许在某个循环中

po.apply_async(convolver,(some_input,))

如何通过初始化器设置卷积器？你怎么能把它分开使用呢 每个线程中的FFTW计划，而不为每个卷积重新计算FFTW计划

干杯，

---

Alex。

您可以使用一个函数包装卷积器调用，该函数使用线程本地存储（

threading.Local（）

）初始化PyFFTW并记住结果