Python 在多核上执行矢量化函数

我有一些函数

f（x，y）

，我用

numpy.vectorize

命令对其进行了矢量化。我已经做了一些x和y的网格值，我希望对其计算函数。我的程序如下所示：

from numpy import vectorize,meshgrid, linspace

@vectorize
def f(x,y):
    pass

x = linspace(0,10)
y = linspace(0,10)
X, Y = meshgrid(x, y)
Z = f(X,Y)

---

当我在评估时间上查看系统监视器（例如Ubuntu上的

htop

）时，我发现只有一个内核被使用。在这样的计算中，有哪些选项可以让系统发挥最大作用？

使用

numpy。矢量化通常不是一个好主意。它没有并行化任何东西，事实上，由于它的工作方式，性能通常甚至不是很好（如前所述）。所以，你需要努力使你的<代码> f（x，y）< /c>函数在内部被矢量化，或者在C或C++或FORTRAN等
中作为一个模块来实现。
如果您想在Python中真正使用多核，最好的选择是使用
线程
模块（如果您的函数是用C实现的），或者
多处理
如果您试图运行本机Python（包括NumPy）。
您的f（x，y）是做什么的？与其使用@vectorize，不如实现您的函数，以便它能够处理ndarray参数，因为numpy.vectorize是BAD。python解释器只在一个内核上运行，尽管
numpy
可以使用多核设置（参见示例）。使用多核的一个简单方法是使用类似于
多处理
模块的东西。通常
f（x，y）
集成了一些其他函数
g（T，x，y）
以及
scipy.integrate.quad
。为什么numpy.vectorize不好？它使编码更容易！好的，如何实现矢量化功能以使用多个核？（+1表示答案中的内容。）如果
numexpr
可以处理函数
f（x，y）
，这可能是使用多个核的最简单方法。