parallel-processing

    1熱度

    1回答

    我試圖並行處理一系列的柵格並使用parLapply執行焦點函數。我認爲我誤解了一些至關重要的東西。代碼運行,但看起來它不會在我的驅動器上正確寫出焦點功能。它看起來像它執行列表中第一個光柵的Density_Function兩次....新並行處理世界,並想知道是否有任何建議如何處理這個?只是一個側面說明,當我運行我的Density_Function和列表使用lapply它的作品。我如何平行處理? `#

    0熱度

    1回答

    我有三個表,我想以並行的形式從這三個表中選擇數據以提高性能。 我正在運行這樣的查詢。 SELECT * FROM table1 UNION ALL SELECT * FROM table2 UNION ALL SELECT * FROM table3 我想問這些查詢是以並行的形式還是以一個一個的順序運行? 我該怎麼做才能提高此查詢的性能。我可以爲每個查詢創建線程嗎? 如果我創建三個線程

    0熱度

    1回答

    實現多任務我有,我有執行大運算任務物品的清單,所以我已經實現像以下同。 如果我在這裏做錯了任何事情,請讓我知道。 { "MainList": [{ "Name": "First item from root task", "Task": [{ "SubTask1": "...", "SubTask2": "..."

    0熱度

    2回答

    我有一個在macOS上運行的Swift應用程序。它批量處理圖像。我事先並不知道這些圖像將會有多大,以及我的應用程序將運行哪些硬件 - 這些都是依賴於用戶的。 我使用GCD來並行處理圖像,因爲它可以真正加快吞吐量。 但是,在某些情況下,太多的並行化可能會造成傷害:如果用戶處理高分辨率圖像,並行化會造成太多的內存壓力,系統的性能變得非常差。 所以我想找到一種方法來「提供我的並行任務處理器」的速度最大化

    1熱度

    1回答

    我正在非常低的溫度下運行薄膜模擬。我嘗試使用ExecutorService正確地多線程我的代碼,並希望減少運行時間。但是我發現了這種說起來容易做起來難的難辦法。我擺弄了許多參數,但無法提高效率。我發現奇怪的是,使用單線程,雙線程或三線程ExecutorService運行代碼的時間幾乎相同。 底線是,儘管for循環的更多迭代同時並行運行,但運行單個迭代所花費的時間卻增加了。無論使用多少個處理器,整體

    1熱度

    1回答

    我想平行分解算法進行優化命名爲漸進式對衝。這個優化被存儲在一個名爲PH的函數中,該函數接收模型的參數,一些參數是矩陣,但PH只需要這個矩陣中的一個向量。 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只需要一個來自Pmax

    1熱度

    1回答

    我想將常規for循環轉換爲Parallel.For循環。 這個 - 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熱度

    1回答

    我正在使用Parallel.For循環來處理一些圖像。當我嘗試保存圖像,有時我得到了GDI發生exception- 一般性錯誤+ 一些圖像得到保存,然後保存一些文件後,該異常來隨機。 我試圖分配原來的位圖圖像對象到不同的位圖圖像,然後將其保存 使用Monitor.Enter保存文件 下面之間進行同步嘗試是我的代碼 - Parallel.For(0, 14, cnt => { using

    1熱度

    1回答

    我在根進程中有一個計數器對象,我想將它分散到組中的所有進程,但分散函數給出了錯誤(我也嘗試過使用Scatter()但沒有運氣) 。我正在使用mpi4py進行並行處理。 Traceback (most recent call last): File "tsetscatter.py", line 13, in <module> total_counter = comm.scatter(total_

    5熱度

    1回答

    我正在通過Parallel.ForEach處理大小不一的大小不等的PDF(簡單的2MB到幾百MB的高DPI掃描),並且偶爾會遇到OutOfMemoryException - 可以理解的是由於該進程爲32位,並且由Parallel.ForEach產生的線程佔用了未知數量的內存消耗工作。 限制MaxDegreeOfParallelism做的工作,但對於倍的吞吐量時,有一個大的(10K +)批量小的PD