Python 一个阵列上计算的多处理

这个问题紧接着这个问题。我有一个大的3D阵列，我必须对它做一些繁重的计算。 我想将阵列的一部分分成4部分，并用计算机的每4个核心对每个部分进行计算。。。 对我的3D阵列的每个切片都这样做…最好的方法是什么

import numpy

size = 8.
Y=(arange(2000))
X=(arange(2000))
(xx,yy)=meshgrid(X,Y)

array=zeros((Y.shape[0],X.shape[0],size))

array[:,:,0] = 0
array[:,:,1] = X+Y
array[:,:,2] = X*cos(X)+Y*sin(Y)
array[:,:,3] = X**3+sin(X)+X**2+Y**2+sin(Y)

---

您可以使用模块中的

池

：

它同样适用于三维numpy阵列：

from multiprocessing import Pool
import numpy

def f(num):
  return num * 2 # replace with heavy computation

arr = numpy.array(
  [numpy.array([
    numpy.array([1,2,3]),
    numpy.array([4,5,6]),
    numpy.array([7,8,9])]),
   numpy.array([
     numpy.array([1,2,3]),
     numpy.array([4,5,6]),
     numpy.array([7,8,9])])])
p = Pool(4)
print p.map(f, arr)

---

您可以使用模块中的

池

：

它同样适用于三维numpy阵列：

from multiprocessing import Pool
import numpy

def f(num):
  return num * 2 # replace with heavy computation

arr = numpy.array(
  [numpy.array([
    numpy.array([1,2,3]),
    numpy.array([4,5,6]),
    numpy.array([7,8,9])]),
   numpy.array([
     numpy.array([1,2,3]),
     numpy.array([4,5,6]),
     numpy.array([7,8,9])])])
p = Pool(4)
print p.map(f, arr)

---

您可以使用模块中的

池

：

它同样适用于三维numpy阵列：

from multiprocessing import Pool
import numpy

def f(num):
  return num * 2 # replace with heavy computation

arr = numpy.array(
  [numpy.array([
    numpy.array([1,2,3]),
    numpy.array([4,5,6]),
    numpy.array([7,8,9])]),
   numpy.array([
     numpy.array([1,2,3]),
     numpy.array([4,5,6]),
     numpy.array([7,8,9])])])
p = Pool(4)
print p.map(f, arr)

---

您可以使用模块中的

池

：

它同样适用于三维numpy阵列：

from multiprocessing import Pool
import numpy

def f(num):
  return num * 2 # replace with heavy computation

arr = numpy.array(
  [numpy.array([
    numpy.array([1,2,3]),
    numpy.array([4,5,6]),
    numpy.array([7,8,9])]),
   numpy.array([
     numpy.array([1,2,3]),
     numpy.array([4,5,6]),
     numpy.array([7,8,9])])])
p = Pool(4)
print p.map(f, arr)

---

作为多处理的替代方案，您可以使用以下模块：

---

作为多处理的替代方案，您可以使用以下模块：

---

作为多处理的替代方案，您可以使用以下模块：

---

作为多处理的替代方案，您可以使用以下模块：

---

---

感谢您的帮助，但当我计算有无多进程的时间时……我发现没有多进程我会更快：s@user3601754每次调用

f

的费用有多高？如果

f

没有花费大量时间运行，那么

多处理

将不会有帮助，因为在进程之间传递数组内容的开销将大于同时运行4个

f

实例的好处。感谢您的帮助，但是当我计算有无多进程的时间时……我发现没有多进程我会更快：s@user3601754每次调用

f

的费用有多高？如果

f

没有花费大量时间运行，那么

多处理

将不会有帮助，因为在进程之间传递数组内容的开销将大于同时运行4个

f

实例的好处。感谢您的帮助，但是当我计算有无多进程的时间时……我发现没有多进程我会更快：s@user3601754每次调用

f

的费用有多高？如果

f

没有花费大量时间运行，那么

多处理

将不会有帮助，因为在进程之间传递数组内容的开销将大于同时运行4个

f

实例的好处。感谢您的帮助，但是当我计算有无多进程的时间时……我发现没有多进程我会更快：s@user3601754每次调用

f

的费用有多高？如果

f

没有花费大量时间运行，那么

多处理

不会有帮助，因为在进程之间传递数组内容的开销将大于同时运行4个

f

实例的好处。感谢您的帮助！我试过了，但是当我打印时，我得到了“”，我找不到如何读取我的结果：在python生成器上查看文档：。您可以使用for循环来迭代

exc.map（）

的结果，这是迄今为止最简单的“对数组的每个项执行操作，并行执行”的方法。值得一提的是，谢谢你的帮助！我试过了，但是当我打印时，我得到了“”，我找不到如何读取我的结果：在python生成器上查看文档：。您可以使用for循环来迭代

exc.map（）

的结果，这是迄今为止最简单的“对数组的每个项执行操作，并行执行”的方法。值得一提的是，谢谢你的帮助！我试过了，但是当我打印时，我得到了“”，我找不到如何读取我的结果：在python生成器上查看文档：。您可以使用for循环来迭代

exc.map（）

的结果，这是迄今为止最简单的“对数组的每个项执行操作，并行执行”的方法。值得一提的是，谢谢你的帮助！我试过了，但是当我打印时，我得到了“”，我找不到如何读取我的结果：在python生成器上查看文档：。您可以使用for循环来迭代

exc.map（）

的结果，这是迄今为止最简单的“对数组的每个项执行操作，并行执行”的方法。值得一提的是