parallel-processing

    1热度

    1回答

    我试图并行处理一系列的栅格并使用parLapply执行焦点函数。我认为我误解了一些至关重要的东西。代码运行,但看起来它不会在我的驱动器上正确写出焦点功能。它看起来像它执行列表中第一个光栅的Density_Function两次....新并行处理世界,并想知道是否有任何建议如何处理这个?只是一个侧面说明,当我运行我的Density_Function和列表使用lapply它的作品。我如何平行处理? `#

    0热度

    1回答

    我有三个表,我想以并行的形式从这三个表中选择数据以提高性能。 我正在运行这样的查询。 SELECT * FROM table1 UNION ALL SELECT * FROM table2 UNION ALL SELECT * FROM table3 我想问这些查询是以并行的形式还是以一个一个的顺序运行? 我该怎么做才能提高此查询的性能。我可以为每个查询创建线程吗? 如果我创建三个线程

    0热度

    1回答

    实现多任务我有,我有执行大运算任务物品的清单,所以我已经实现像以下同。 如果我在这里做错了任何事情,请让我知道。 { "MainList": [{ "Name": "First item from root task", "Task": [{ "SubTask1": "...", "SubTask2": "..."

    0热度

    2回答

    我有一个在macOS上运行的Swift应用程序。它批量处理图像。我事先并不知道这些图像将会有多大,以及我的应用程序将运行哪些硬件 - 这些都是依赖于用户的。 我使用GCD来并行处理图像,因为它可以真正加快吞吐量。 但是,在某些情况下,太多的并行化可能会造成伤害:如果用户处理高分辨率图像,并行化会造成太多的内存压力,系统的性能变得非常差。 所以我想找到一种方法来“提供我的并行任务处理器”的速度最大化

    1热度

    1回答

    我正在非常低的温度下运行薄膜模拟。我尝试使用ExecutorService正确地多线程我的代码,并希望减少运行时间。但是我发现了这种说起来容易做起来难的难办法。我摆弄了许多参数,但无法提高效率。我发现奇怪的是,使用单线程,双线程或三线程ExecutorService运行代码的时间几乎相同。 底线是,尽管for循环的更多迭代同时并行运行,但运行单个迭代所花费的时间却增加了。无论使用多少个处理器,整体

    1热度

    1回答

    我想平行分解算法进行优化命名为渐进式对冲。这个优化被存储在一个名为PH的函数中,该函数接收模型的参数,一些参数是矩阵,但PH只需要这个矩阵中的一个向量。 for s = 1:nS res = PH(k,s,data,Lines,Ag,Gx,Pmax[:,s],Prmax[:,s],COpe[:,s]) push!(data,res) end 所以PH只需要一个来自Pmax

    1热度

    1回答

    我想将常规for循环转换为Parallel.For循环。 这个 - for (int i = 0; i < bitmapImage.Width; i++) { for (int x = 0; x < bitmapImage.Height; x++) { System.Drawing.Color oc = bitmapImage.GetPixel(i, x);

    1热度

    1回答

    我正在使用Parallel.For循环来处理一些图像。当我尝试保存图像,有时我得到了GDI发生exception- 一般性错误+ 一些图像得到保存,然后保存一些文件后,该异常来随机。 我试图分配原来的位图图像对象到不同的位图图像,然后将其保存 使用Monitor.Enter保存文件 下面之间进行同步尝试是我的代码 - Parallel.For(0, 14, cnt => { using

    1热度

    1回答

    我在根进程中有一个计数器对象,我想将它分散到组中的所有进程,但分散函数给出了错误(我也尝试过使用Scatter()但没有运气) 。我正在使用mpi4py进行并行处理。 Traceback (most recent call last): File "tsetscatter.py", line 13, in <module> total_counter = comm.scatter(total_

    5热度

    1回答

    我正在通过Parallel.ForEach处理大小不一的大小不等的PDF(简单的2MB到几百MB的高DPI扫描),并且偶尔会遇到OutOfMemoryException - 可以理解的是由于该进程为32位,并且由Parallel.ForEach产生的线程占用了未知数量的内存消耗工作。 限制MaxDegreeOfParallelism做的工作,但对于倍的吞吐量时,有一个大的(10K +)批量小的PD