python - 如何监控SciPy.odeint的进程？

Question

SciPy 可以通过 scipy.integrate.odeint 或其他包来求解 ode 方程，但它是在函数完全求解后才给出结果。但是，如果 ode 函数非常复杂，程序将花费大量时间(一两天)才能给出整个结果。那么我如何监控求解方程的步骤(当方程尚未完全求解时打印出结果)？

Answer 1

当我在谷歌上搜索答案时，我找不到满意的答案。所以我做了一个简单的gist使用 tqdm 进行概念验证解决方案项目。希望对您有帮助。

编辑:版主要求我对上面链接中发生的情况进行解释。

首先，我使用 scipy 的 OOP 版本的 odeint (solve_ivp)，但您可以将其改回 odeint。假设您想要集成从时间 T0 到 T1 的时间，并且希望显示每 0.1% 的进度。您可以修改 ode 函数以采用两个额外参数:pbar(进度条)和 state(当前集成状态)。就像这样:

def fun(t, y, omega, pbar, state):
    # state is a list containing last updated time t:
    # state = [last_t, dt]
    # I used a list because its values can be carried between function
    # calls throughout the ODE integration
    last_t, dt = state
    
    # let's subdivide t_span into 1000 parts
    # call update(n) here where n = (t - last_t) / dt
    time.sleep(0.1)
    n = int((t - last_t)/dt)
    pbar.update(n)
    
    # we need this to take into account that n is a rounded number.
    state[0] = last_t + dt * n
    
    # YOUR CODE HERE
    dydt = 1j * y * omega
    return dydt

这是必要的，因为函数本身必须知道它所在的位置，但 scipy 的 odeint 并没有真正将此上下文提供给函数。然后，您可以将 fun 与以下代码集成:

T0 = 0
T1 = 1
t_span = (T0, T1)
omega = 20
y0 = np.array([1], dtype=np.complex)
t_eval = np.arange(*t_span, 0.25/omega)

with tqdm(total=1000, unit="‰") as pbar:
    sol = solve_ivp(
        fun,
        t_span,
        y0,
        t_eval=t_eval,
        args=[omega, pbar, [T0, (T1-T0)/1000]],
    )

请注意，args 中的任何可变内容(例如列表)都会实例化一次，并且可以在函数内进行更改。我建议这样做而不是使用全局变量。

这将显示一个如下所示的进度条:

100%|█████████▉| 999/1000 [00:13<00:00, 71.69‰/s]