python中的矩陣乘法的多線程

Question

我想創建n個線程，並且每個線程計算結果矩陣的整個行。我曾嘗試下面的代碼，

import numpy 
import random 
import threading 

class MatrixMult(threading.Thread): 
    """A thread which computes the i,j entry of A * B""" 
    def __init__(self, A, B, i): 
     super(MatrixMult, self).__init__() 
     self.A = A 
     self.B = B 
     self.i = i 
     #self.j = j                
    def run(self): 
     print "Computing %i, %i" % (self.i, self.i) 
     x = 0 
     result=[] 
     for k in range(self.A.shape[0]) 
      x += self.A[self.i,k] * self.B[k,self.i 
     self.result=x 
     print "Completed %i, %i" % (self.i, self.j) 

def mult(n): 
    """A function to randomly create two n x n matrices and multiply them""" 
    # Create two random matrices             
    A = numpy.zeros((n,n)) 
    B = numpy.zeros((n,n)) 
    for i in range(n): 
     for j in range(n): 
      A[i,j] = random.randrange(0, 100) 
      B[i,j] = random.randrange(0, 100) 
    # Create and start the threads            
    threads = [] 
    for i in range(n): 
     # for j in range(n):              
     t = MatrixMult(A, B, i) 
      threads.append(t) 
      t.start() 
    for t in threads: t.join() 
    C = numpy.zeros((n,n)) 
    for t in threads: 
     C[t.i] = t.result 
    return C 
print multi(30) 

但它打印出許多怪異的矩陣：

[ 66695. 66695. 66695. 66695. 66695. 66695. 66695. 66695. 66695. 
    66695. 66695. 66695. 66695. 66695. 66695. 66695. 66695. 66695. 
    66695. 66695. 66695. 66695. 66695. 66695. 66695. 66695. 66695. 
    66695. 66695. 66695.] 
[ 88468. 88468. 88468. 88468. 88468. 88468. 88468. 88468. 88468. 
    88468. 88468. 88468. 88468. 88468. 88468. 88468. 88468. 88468. 
    88468. 88468. 88468. 88468. 88468. 88468. 88468. 88468. 88468. 
    88468. 88468. 88468.]] 

任何人看到我的代碼有問題嗎？我不明白我做錯了什麼。

Answer 1

你的代碼設置

C[t.i] = t.result 

其設定的C一整行的值t.result，這是一個標量。我在那裏看到一些關於j的評論內容;你大概要佔這一點，也解決

x += self.A[self.i,k] * self.B[k,self.i 

使用j（並且也不是一個語法錯誤）。按照原樣，您似乎在計算C[i, i]，然後將該值分配給整行。

另外：你知道這個代碼保證比np.dot慢很多，對吧？在Python中執行緊密循環之間，儘管有GIL，並且首先是an inefficient algorithm for matrix multiplication，但跨線程分配計算工作。如果您的目標實際上是使用多個內核來加速矩陣乘法，請將您的numpy鏈接到MKL，OpenBLAS或ACML，請使用np.dot，並將其稱爲一天。