我正在一个项目中工作,一些过程需要很长时间才能完成(总共> 2小时),并且某些过程显然可以并行化。一些例子是这些:并行处理 - Python
for n in range(images):
entry = ImD.ImageData(width, height)
entry.interpolate_points(seeds)
entries.append(entry)
def interpolate_points(self, seeds):
points = []
f = []
for i in range(seeds):
# Generate a cell position
pos_x = random.randrange(self.width)
pos_y = random.randrange(self.height)
# Save the f(x,y) data
x = Utils.translate_range(pos_x, 0, self.width, self.range_min, self.range_max)
y = Utils.translate_range(pos_y, 0, self.height, self.range_min, self.range_max)
z = Utils.function(x, y)
points.append([x, y])
f.append(z)
for x in range(self.width):
xt = (Utils.translate_range(x, 0, self.width, self.range_min, self.range_max))
for y in range(self.height):
yt = (Utils.translate_range(y, 0, self.height, self.range_min, self.range_max))
self.data[x][y] = Utils.shepard_euclidian(points, f, [xt, yt], 3)
插值点方法需要将缔结相关的时间,因为我把它更多的则40倍,我相信我能有一些这方面的呼叫并行运行的。
def generate_pixel_histogram(self, images, bins):
"""
Generate a histogram of the image for each pixel, counting
the values assumed for each pixel in a specified bins
"""
max_value = 0.0
min_value = 0.0
for i in range(len(images)):
image = images[i]
max_entry = max(max(p[1:]) for p in image.data)
min_entry = min(min(p[1:]) for p in image.data)
if max_entry > max_value:
max_value = max_entry
if min_entry < min_value:
min_value = min_entry
interval_size = (math.fabs(min_value) + math.fabs(max_value))/bins
for x in range(self.width):
for y in range(self.height):
pixel_histogram = {}
for i in range(bins+1):
key = round(min_value+(i*interval_size), 2)
print key
pixel_histogram[key] = 0.0
for i in range(len(images)):
image = images[i]
value = round(Utils.get_bin(image.data[x][y], interval_size), 2)
pixel_histogram[value] += 1.0/len(images)
self.data[x][y] = pixel_histogram
生成像素直方图的方法是另一种情况。在这里,我有多个图像,并且对于图像的每个位置,我必须生成一个直方图。所以,每个位置都明显独立于其他位置,所以我认为这是一个可以并行化的明显情况。
问题是因为我在Python,Cython等等看multiprocessing,但我没有弄清楚如何应用这是我的代码。我从来没有在实践中使用过多处理,所以我有一些难以将这个概念应用于我的问题。
我已经试过这样:
p = Pool(5)
for n in range(images):
entry = ImD.ImageData(width, height)
entries.append(entry)
p.map(ImD.interpolate_points, entries)
但它不工作,因为我带班工作。
任何帮助,将不胜感激。 在此先感谢。
谢谢@geekazoid。这似乎适用于我的第一个问题(我会尝试这个),但我想我应该为第二个问题采用另一种方法。你我怎么能平行第二个例子?非常感谢你。 – pceccon
我并不清楚这个问题,但是假设这个问题存在两倍。 您可以使用笛卡尔积将其转换为单个列表。 itertools.product为您提供两个迭代器(或列表)的笛卡尔积,并返回一个迭代器,而不是另一个长列表;) http://docs.python.org/2/library/itertools.html – geekazoid
BTW如果您认为这是一个解决方案,请将其标记为如此。谢谢! – geekazoid