Python 顺序编程与并行编程解决方案的差异

我已经创建了一个python代码来解决一个组套索惩罚线性模型。对于那些不习惯使用这些模型的人来说，基本思想是输入一个数据集（x）和一个响应变量（y），以及一个参数的值（lambda1），改变这个参数的值会改变模型的解。因此，我决定使用多处理库并解决不同的模型（与不同的参数值相关）。我创建了一个名为“model.py”的python文件，其中包含以下函数：

# -*- coding: utf-8 -*-
from __future__ import division
import functools
import multiprocessing as mp
import numpy as np
from cvxpy import *

def lm_gl_preprocessing(x, y, index, lambda1=None):
    lambda_vector = [lambda1]
    m = x.shape[1]
    n = x.shape[0]
    lambda_param = Parameter(sign="positive")
    m = m+1
    index = np.append(0, index)
    x = np.c_[np.ones(n), x]
    group_sizes = []
    beta_var = []
    unique_index = np.unique(index)
    for idx in unique_index:
        group_sizes.append(len(np.where(index == idx)[0]))
        beta_var.append(Variable(len(np.where(index == idx)[0])))
    num_groups = len(group_sizes)
    group_lasso_penalization = 0
    model_prediction = x[:, np.where(index == unique_index[0])[0]] * beta_var[0]
    for i in range(1, num_groups):
        model_prediction += x[:, np.where(index == unique_index[i])[0]] * beta_var[i]
        group_lasso_penalization += sqrt(group_sizes[i]) * norm(beta_var[i], 2)
    lm_penalization = (1.0/n) * sum_squares(y - model_prediction)
    objective = Minimize(lm_penalization + (lambda_param * group_lasso_penalization))
    problem = Problem(objective)
    response = {'problem': problem, 'beta_var': beta_var, 'lambda_param': lambda_param, 'lambda_vector': lambda_vector}
    return response

def solver(problem, beta_var, lambda_param, lambda_vector):
    beta_sol_list = []
    for i in range(len(lambda_vector)):
        lambda_param.value = lambda_vector[i]
        problem.solve(solver=ECOS)
        beta_sol = np.asarray(np.row_stack([b.value for b in beta_var])).flatten()
        beta_sol_list.append(beta_sol)
    return beta_sol_list

def parallel_solver(problem, beta_var, lambda_param, lambda_vector):
    # Divide parameter vector into chunks to be executed in parallel
    num_chunks = mp.cpu_count()
    chunks = np.array_split(lambda_vector, num_chunks)
    # Solve problem in parallel
    pool = mp.Pool(num_chunks)
    global_results = pool.map(functools.partial(solver, problem, beta_var, lambda_param), chunks)
    pool.close()
    pool.join()
    return global_results

• lm_gl_preprocessing函数基本上定义了使用cvxpy模块求解的模型
• 函数解算器从previus函数中获取模型细节，并解决导致模型最终解的优化问题
• 函数parallel_solver使用多处理并行化解算器函数

如果在python控制台中，我开始运行并行解算器，它会给出一个解决方案。此解决方案与顺序解算器提供的解决方案不同。 如果我重新启动python控制台并开始运行顺序解算器，然后运行并行解算器，并行解算器将给出与顺序解算器相同的解决方案。我将展示：

from __future__ import division
from sklearn.datasets import load_boston
import numpy as np
import model as t

boston = load_boston()
x = boston.data
y = boston.target
index = np.array([1, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 4, 5])

lambda1 = 1e-3

r1 = t.lm_gl_preprocessing(x=x, y=y, index=index, lambda1=lambda1)
s_parallel_1 = t.parallel_solver(problem=r1['problem'], beta_var=r1['beta_var'], lambda_param=r1['lambda_param'], lambda_vector=r1['lambda_vector'])
print(s_parallel_1)
[[array([  4.61648376e+01,  -1.22394832e-04,   0.00000000e+00,
       0.00000000e+00,   1.37065733e-04,   1.51910696e-03,
       0.00000000e+00,   1.51910696e-03,   0.00000000e+00,
       7.00079603e-03,   1.52776114e-03,  -8.67357376e-01,
       7.16429750e-03,  -8.67357376e-01])], [], [], []]
s_1 = t.solver(problem=r1['problem'], beta_var=r1['beta_var'], lambda_param=r1['lambda_param'], lambda_vector=r1['lambda_vector'])
print(s_1)
[array([  3.62813738e+01,  -1.06995338e-01,   4.64210526e-02,
      1.97112192e-02,   2.68475527e+00,  -1.75142155e+01,
      3.80741843e+00,   5.14842823e-04,  -1.47105323e+00,
      3.04949407e-01,  -1.23508259e-02,  -9.50143293e-01,
      9.40708993e-03,  -5.25758097e-01])]
#####################################################
r1 = t.lm_gl_preprocessing(x=x, y=y, index=index, lambda1=lambda1)
s_1 = t.solver(problem=r1['problem'], beta_var=r1['beta_var'], lambda_param=r1['lambda_param'], lambda_vector=r1['lambda_vector'])
print(s_1)
[array([  3.62813738e+01,  -1.06995338e-01,   4.64210526e-02,
      1.97112192e-02,   2.68475527e+00,  -1.75142155e+01,
      3.80741843e+00,   5.14842823e-04,  -1.47105323e+00,
      3.04949407e-01,  -1.23508259e-02,  -9.50143293e-01,
      9.40708993e-03,  -5.25758097e-01])]
s_parallel_1 = t.parallel_solver(problem=r1['problem'], beta_var=r1['beta_var'], lambda_param=r1['lambda_param'], lambda_vector=r1['lambda_vector'])
print(s_parallel_1)
[[array([  3.62813738e+01,  -1.06995338e-01,   4.64210526e-02,
       1.97112192e-02,   2.68475527e+00,  -1.75142155e+01,
       3.80741843e+00,   5.14842823e-04,  -1.47105323e+00,
       3.04949407e-01,  -1.23508259e-02,  -9.50143293e-01,
       9.40708993e-03,  -5.25758097e-01])], [], [], []]

---

PS：我知道在这个例子中，我使用并行编程只是为了解决一个模型和一个可能的参数值，但这只是一个小例子，旨在说明顺序编程和并行编程提供的解决方案的差异。我会感谢任何提示，因为我在这里完全迷路了。

如果我执行你的代码，我在所有情况下都会得到相同的结果。这是我正在运行的代码（我合并了两个文件）：

和输出：

[[array([ 3.62813738e+01, -1.06995338e-01,  4.64210526e-02,  1.97112192e-02,
        2.68475527e+00, -1.75142155e+01,  3.80741843e+00,  5.14842823e-04,
       -1.47105323e+00,  3.04949407e-01, -1.23508259e-02, -9.50143293e-01,
        9.40708993e-03, -5.25758097e-01])], [], [], []]
[array([ 3.62813738e+01, -1.06995338e-01,  4.64210526e-02,  1.97112192e-02,
        2.68475527e+00, -1.75142155e+01,  3.80741843e+00,  5.14842823e-04,
       -1.47105323e+00,  3.04949407e-01, -1.23508259e-02, -9.50143293e-01,
        9.40708993e-03, -5.25758097e-01])]
#####################################################
[array([ 3.62813738e+01, -1.06995338e-01,  4.64210526e-02,  1.97112192e-02,
        2.68475527e+00, -1.75142155e+01,  3.80741843e+00,  5.14842823e-04,
       -1.47105323e+00,  3.04949407e-01, -1.23508259e-02, -9.50143293e-01,
        9.40708993e-03, -5.25758097e-01])]
[[array([ 3.62813738e+01, -1.06995338e-01,  4.64210526e-02,  1.97112192e-02,
        2.68475527e+00, -1.75142155e+01,  3.80741843e+00,  5.14842823e-04,
       -1.47105323e+00,  3.04949407e-01, -1.23508259e-02, -9.50143293e-01,
        9.40708993e-03, -5.25758097e-01])], [], [], []]

如您所见，我有相同数量的CPU（4）

我的环境是Linux上的Python2.7，以下是相关软件包的版本：

>>> import sklearn
>>> sklearn.__version__
'0.19.2'
>>> import scipy
>>> scipy.__version__
'1.1.0'
>>> import numpy 
>>> numpy.__version__
'1.15.2'
>>> import cvxpy
>>> cvxpy.__version__
'0.4.0'
>>> import multiprocessing
>>> multiprocessing.__version__
'0.70a1'

---

从

parallel_solver

的输出中，我看到除一个进程外，所有进程都返回空列表。所以我猜只有一个进程在实际执行任务。不知道模型代码就很难回答。我的猜测是，当您调用

解算器

时，某些参数（例如

问题

）会被修改。因此，如果在

solver

之后调用

parallel\u solver

，则传递修改后的参数，从而得到不同的结果。是@Amedeo，在这种情况下，我只执行一个具有一个参数值的任务，因此并行版本的输出只是一个进程。关于你的猜测，这是一个很好的猜测，但我尝试了执行预处理函数+解算器，然后再次执行预处理+并行解算器（因此，输入，如可能已被解算器更改的问题，对于并行解算器，再次相同），并且我发现了与此处发布的结果相同的结果。请参阅下面我的答案。我复制了你的测试，得到了正确的结果。尝试我的代码并检查结果。如果是不同的，我唯一的猜测是你有一些过时的库，也许更新可以解决这个问题。例如，为了运行您的代码，我必须将cvxpy降级到v0.4。上一个版本（1.0）的“parameter（）”有一个不同的参数（

nonneg=True

而不是

sign=“positive”

）。我正在Linux上运行它。我已经用环境信息更新了我的帖子。我还将在Windows上测试它以进行双重检查。使用Windows+Anaconda+cvxpy0.4，我还看到错误的输出。在Anaconda中，我可以更新到cvxpy1.0，但这需要对代码进行一些更改。

>>> import sklearn
>>> sklearn.__version__
'0.19.2'
>>> import scipy
>>> scipy.__version__
'1.1.0'
>>> import numpy 
>>> numpy.__version__
'1.15.2'
>>> import cvxpy
>>> cvxpy.__version__
'0.4.0'
>>> import multiprocessing
>>> multiprocessing.__version__
'0.70a1'