Python 池在 Windows 中不工作，但在 Linux 中工作

Question

我正在 Windows 10、Intel Core i7-8550U 处理器上使用 Python 3.7.4 尝试 python 多处理。
我正在使用两个函数测试多处理，一个使用基本的 sleep() ，另一个使用 sklearn 的 matthews_corrcoef 。多处理可与 sleep 函数配合使用，但不能与 sklearn 函数配合使用。

import numpy as np
from sklearn.metrics import matthews_corrcoef
import time
import concurrent.futures
from multiprocessing import Process, Pool
from functools import partial
import warnings
import sys

class Runner():
  def sleeper(self, pred, man, thr = None):
    return time.sleep(2)

  def mcc_score(self, pred, man, thr = None):
    warnings.filterwarnings("ignore")
    return matthews_corrcoef(pred, man)

  def pool(self, func):
    t1 = time.perf_counter()
    p = Pool()
    meth = partial(func, pred, man)
    res = p.map(meth, thres)
    p.close()

    t2 = time.perf_counter()
    print(f'Pool {func.__name__} {round((t2-t1), 3)} seconds')

  def vanilla(self, func):
    t1 = time.perf_counter()
    for t in thres:
      func(pred, man)
    t2 = time.perf_counter()
    print(f'vanilla {func.__name__} {round((t2-t1), 3)} seconds')

if __name__== "__main__":
    print(sys.version)
    r = Runner()
    thres = np.arange(0,1, 0.3)
    print(f"Number of thresholds {len(thres)}")
    pred = [1]*200000
    man = [1]*200000
    results = []

    r.pool(r.mcc_score)
    r.vanilla(r.mcc_score)

    r.pool(r.sleeper)
    r.vanilla(r.sleeper)

在 Windows 中，对于 mcc_score 函数，使用 pool 实际上比 vanilla 版本慢，而在 Linux 中则可以正常工作。

这是示例输出

#windows
3.7.4 (default, Aug  9 2019, 18:34:13) [MSC v.1915 64 bit (AMD64)]
Number of thresholds 4
Pool mcc_score 3.247 seconds
vanilla mcc_score 1.591 seconds
Pool sleeper 5.828 seconds
vanilla sleeper 8.001 seconds

#linux
3.7.0 (default, Jun 28 2018, 13:15:42) [GCC 7.2.0]
Number of thresholds 34
Pool mcc_score 1.946 seconds
vanilla mcc_score 8.817 seconds

我浏览了 stackoverflow 中的文档和其他相关问题，其中主要说明使用 if __name__== "__main__":。一些帮助将不胜感激，因为我已经在这方面坚持了一段时间了。如果我遗漏了任何重要信息，请指出，我会提供。

Answer 1

首先，我将简化您的代码。由于类中的方法从不使用类变量，因此我将跳过类方法并仅使用方法。

起点是 multiprocessing 文档中的示例。为了了解使用 Pool 的好处，我添加了两秒的 sleep 时间并打印时间戳。

import datetime
from multiprocessing import Pool
import time

def fx(x):
    time.sleep(2)
    print(datetime.datetime.utcnow())
    return x*x

if __name__ == '__main__':
    with Pool() as p:
        print(p.map(fx, range(10)))

输出符合预期

2019-11-10 11:10:05.346985
2019-11-10 11:10:05.363975
2019-11-10 11:10:05.418941
2019-11-10 11:10:05.435931
2019-11-10 11:10:07.347753
2019-11-10 11:10:07.364741
2019-11-10 11:10:07.419707
2019-11-10 11:10:07.436697
2019-11-10 11:10:09.348518
2019-11-10 11:10:09.365508
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

由于我没有指定核心数量，因此使用所有可用核心(在我的机器 4 上)。这可以从时间戳中看出:4个时间戳彼此接近。然后执行暂停，直到核心再次释放。

您想要使用一种方法matthews_corrcoef，该方法采用 documentation两个参数 y_true 和 y_pred。

在使用该方法之前，让我们修改上面的测试方法以采用两个参数:

def fxy(x, y):
    time.sleep(2)
    print(datetime.datetime.utcnow())
    return x*y

来自 multiprocessing.pool.Pool 的文档我们了解到，map 仅采用一个参数。所以我将使用 apply_async 来代替。由于 apply_async 返回结果对象而不是方法的返回值，因此我使用列表在单独的循环中存储结果并获取返回值，如下所示:

if __name__ == '__main__':
    with Pool() as p:
        res = []
        for i in range(10):
            res.append(p.apply_async(fxy, args = (i, i)))
        for item in res:
            print(item.get())

这提供了与第一种方法类似的输出:

2019-11-10 11:41:24.987093
0
2019-11-10 11:41:24.996087
1
2019-11-10 11:41:25.008079
2019-11-10 11:41:25.002083
4
9
2019-11-10 11:41:26.988859
16
2019-11-10 11:41:27.009847
2019-11-10 11:41:27.009847
25
36
2019-11-10 11:41:27.011845
49
2019-11-10 11:41:28.989623
64
2019-11-10 11:41:29.019606
81

现在介绍matthews_corrcoef。为了更好地验证结果(当应用于 matthews_corrcoef 时，您的 pred 和 man 会抛出错误)，我使用的命名法和值与 matthews_corrcoef 文档中的示例类似。 .

import datetime
from multiprocessing import Pool
import numpy as np
from sklearn.metrics import matthews_corrcoef

def mcc_score(y_true, y_pred): 
    print(datetime.datetime.utcnow())
    return matthews_corrcoef(y_true, y_pred)

y_true = [+1, +1, +1, -1]
y_pred = [+1, -1, +1, +1]

if __name__ == '__main__':
    with Pool() as p:
        res = []
        for i in range(10):
            res.append(p.apply_async(mcc_score, args = (y_true, y_pred)))
        for item in res:
            print(item.get())

结果如预期:

2019-11-10 11:49:07.309389
2019-11-10 11:49:07.345366
2019-11-10 11:49:07.375348
2019-11-10 11:49:07.393336
2019-11-10 11:49:07.412325
2019-11-10 11:49:07.412325
2019-11-10 11:49:07.412325
-0.3333333333333333
-0.3333333333333333
-0.3333333333333333
-0.3333333333333333
-0.3333333333333333
-0.3333333333333333
-0.3333333333333333
2019-11-10 11:49:07.420319
2019-11-10 11:49:07.420319
2019-11-10 11:49:07.413325
-0.3333333333333333
-0.3333333333333333
-0.3333333333333333