使用异步共享numpy数组的python多处理：池与队列

我希望在规则网格上生成周期性的柏林噪声。我需要生成几个贴图，网格非常大，所以我想使用多处理，每个核心生成一个贴图

地图将绘制在图形上，并将一个接一个地放置在单个二进制dat文件上。 地图将存储在一个单一的numpy数组中，大小为地图的数量* 节点数，因此一个切片将是一个映射，因此我可以同时访问阵列的不同区域而无需担心

我把它作为引用，它使用一个池和，在这里我使用一个队列在多处理中进行一些绘图

我想出了两个代码：带队列的代码可以在我自己的电脑上正常工作，但不能在实验室的工作站或专业笔记本电脑上工作：我没有错误消息，只是在某个时刻冻结了。 第二个很好，我发现它比第一个例子简单，因为我只是直接在numpy数组中编写。（对于第一个链接的异步情况，我不太理解对所有函数和init的需要。）

我的问题是：为什么我的第一个代码有问题？ 我只把我认为相关的代码放在下面

谢谢你的帮助

第一次尝试：

def生成辐射图（rad\u v）：
而任务\u queue.empty（）==False:
打印（“提取工作…”）
map_index=tasks_queue.get（）#从队列中获取一些要做的工作
打印（“--->处理映射：%s”%map\u索引）
perm=范围（permsize）
随机。洗牌（烫发）
perm+=perm
对于范围内的i（nb_节点）：
#调用柏林函数：fBm
rad_v[map_index，i]=fBm（perm，x[i]*freq，y[i]*freq，int（sizex*freq），int（sizey*freq），octs，持久性）
rad_v[map_index，：]=rad_v[map_index，：]+abs（最小值（rad_v[map_index，：]））
rad_v[map_index，：]=rad_v[map_index，：]/max（rad_v[map_index，：]）
图=plt.图（图尺寸=（20,7））
plt.tricontourf（x，y，rad_v[map_index，：]））
plt.axis（“图像”）
plt.色条（收缩=0.5）
图.savefig（'diff_gb_和_pf_irrad_c_map_'+str（map_index）+'.png'））
plt.clf（）
plt.close（）
tasks_queue.task_done（）#此项目的工作已完成
开始时间=time.time（）
nb_地图=10
nb_proc=1#进程数
打印（“生成%d个辐照贴图”%nb\u贴图）
irrad_c_base_数组=mp.array（ctypes.c_double，nb_映射*nb_节点）
irrad_c=np.frombuffer（irrad_c_base_数组.get_obj（））
irrad_c=irrad_c.重塑（nb_贴图，nb_节点）
tasks_queue=mp.JoinableQueue（）#将要做的工作堆积起来的队列
作业=列表（范围（nb#U映射））#每个作业由一个映射组成
打印（“在队列中插入作业…”）
工作中的工作：
任务\u队列.放置（作业）
打印（“完成”）
#启动流程
对于范围内的i（nb_过程）：
当前进程=mp.process（目标=生成辐照图，args=（irrad\u c，）
当前_进程。开始（）
#等待处理所有任务
任务\u队列.加入（）

第二次尝试：

def生成映射（arg列表）：
映射索引=参数列表[0]
打印（'正在处理映射%i'%map\u索引）
perm=范围（permsize）
随机。洗牌（烫发）
perm+=perm
对于范围内的i（nb_节点）：
参数列表[1][i]=fBm（perm，x[i]*freq，y[i]*freq，int（sizex*freq），int（sizey*freq），octs，持久性）
arg_list[1][：]=arg_list[1][：]+abs（最小值（arg_list[1][：]））
arg_list[1][：]=arg_list[1][：]/max（arg_list[1][：]）
#密谋
图=plt.图（图尺寸=（20,7））
#plt.tricontourf（x，y，rad_v[map_index，：]））
plt.tricontourf（x，y，arg_列表[1][：]）
plt.axis（“图像”）
plt.色条（收缩=0.5）
图.savefig（'diff_gb_和_pf_irrad_c_map_'+str（map_index）+'.png'））
plt.clf（）
plt.close（）
开始时间=time.time（）
nb_映射=2
nb_proc=2#进程数
打印（“生成%d个辐照贴图”%nb\u贴图）
irrad_c_base_array=mp.array（ctypes.c_double，nb_映射*nb_节点）#我们构建共享阵列，可从所有进程访问。我们不能进入相同的区域。
irrad_c=np.frombuffer（irrad_c_base_数组.get_obj（））
irrad_c=irrad_c.重塑（nb_贴图，nb_节点）
args=[[i，irrad_c[i，：]]表示范围内的i（nb_映射）]
关闭（mp.Pool（processs=nb\u proc））作为作业池：
jobs\u pool.map\u async（生成\u映射，参数）
jobs_pool.join（）