Python多处理: Extracting results

Question

我正在尝试在 Python 中运行大量模拟，因此我尝试使用多处理来实现它。

import numpy as np
import matplotlib.pyplot as plt
import multiprocessing as mp
import psutil

from Functions import hist, exp_fit, exponential

N = 100000  # Number of observations
tau = 13362.525  # decay rate to simulate
iterations = 1  # Number of iterations for each process
bin_size = 1*1e9 # in nanoseconds

def spawn(queue):
    results = []
    procs = list()
    n_cpus = psutil.cpu_count()
    for cpu in range(n_cpus):
        affinity = [cpu]
        d = dict(affinity=affinity)
        p = mp.Process(target=run_child, args=[queue], kwargs=d)
        p.start()
        procs.append(p)
    for p in procs:
        results.append(queue.get)
        p.join()
        print('joined')
    return results

def run_child(queue, affinity):
    proc = psutil.Process()  # get self pid
    proc.cpu_affinity(affinity)
    print(affinity)
    np.random.seed()
    for i in range(iterations):
        time = np.sort(-np.log(np.random.uniform(size=N)) * tau) * 1e9
        n, bins = hist(time, bin_size)
        fit = exp_fit(n, bins, silent=True)
        queue.put(fit)

if __name__ == '__main__':
    output = mp.Queue()
    plt.figure()
    results = spawn(output)
    bins = range(1000)
    for fit in results:
        plt.plot(bins, exponential(fit.params, bins), 'k-', alpha=0.1)
    plt.show()

我的尝试深受 this 的启发。我在尝试自己寻找解决方案时发现了答案，其中每个进程的亲和性被手动设置为 numpy 显然改变了默认行为(如果不这样做，它只在单个核心上运行)。

我认为代码大部分都有效；每个过程都会按预期执行模拟和拟合，但我不知道如何提取结果。现在看来，run_child方法中的queue.put(fit)似乎导致程序停止。

关于为什么会发生这种情况以及如何解决它有什么想法吗？

Answer 1

问题在于尝试将 OptimizeResult 数据类型传递到队列。仅从配合中提取必要的数据并传球，这反而像魅力一样发挥作用。

感谢 Pierre-Nicolas Piquin 帮助解决这个问题!