使用Python作业库的双并行循环

你好

我试图加速一个涉及许多独立积分的计算。为此，我使用pythons作业库和多处理。到目前为止，我已经成功地将我的计算的内循环并行化，但我想对外循环也这样做。由于并行编程扰乱了我的思维，我想知道是否有人能帮助我。到目前为止，我已经：

 from joblib import Parallel, delayed
import multiprocessing

N = 10 # Some number
inputs = range(1,N,2)
num_cores = multiprocessing.cpu_count()

def processInput(n):
    u_1 = lambda x,y: f(x,y)g(n,m) # Some function
    Cn = scintegrate.nquad(u_1, [[A,B],[C,D]]) # A number
    return Cn*F(x,y)*G(n,m)

resultsN = []

for m in range(1,N,2):  # How can this be parallelized? 
    add = Parallel(n_jobs=num_cores)(delayed(processInput)(n) for n in inputs)
    resultsN = add + resultsN

resultsN = sum(resultsN)

到目前为止，这已经产生了正确的结果。现在我想对外环做同样的事情。有人知道我该怎么做吗

我还想知道u_1声明是否可以在processInput之外完成，如有任何其他改进建议，我们将不胜感激

---

谢谢你的回复

如果我理解正确，您可以对一系列

n

值运行函数

processInput（n）

，您需要执行

m

次，并将所有内容相加。在这里，索引

m

只记录您希望运行处理函数并将结果相加的次数，而不记录其他次数。这允许您使用一层并行性来完成所有工作，即创建一个已经包含重复值的输入列表，并将该工作负载分配给核心。快速的直觉是，不是并行处理输入

[1,2,3,4]

，然后多次执行，而是并行运行输入

[1,1,1,2,2,2,3,3,3,4,4]

。下面是它的样子（我已经将您的函数更改为可以运行的更简单的函数）

ceil

是必需的，因为在原始循环中

m

每秒跳过一个值

import numpy as np
from joblib import Parallel, delayed
import multiprocessing
from math import ceil

N = 10 # Some number
inputs = range(1,N,2)
num_cores = multiprocessing.cpu_count()

def processInput(n): # toy function
    return n

resultsN = []
# your original solution with an additional loop that needs
# to be parallelized
for m in range(1,N,2):  
    add = Parallel(n_jobs=num_cores)(delayed(processInput)(n) for n in inputs)
    resultsN = add + resultsN
resultsN = sum(resultsN)
print resultsN

# solution with only one layer of parallelization
ext_inputs = np.repeat(inputs,ceil(m/2.0)).tolist()
add = Parallel(n_jobs=num_cores)(delayed(processInput)(n) for n in ext_inputs)
resultsN = sum(add)
print resultsN