python-multiprocessing

    0熱度

    1回答

    我有一個應用程序,它包含一個wxPython GUI,它在初始化時啓動監視器觀察者和python進程。 class MonitorApp(wx.App): def __init__(self): wx.App.__init__(self, True, 'monitor_stderr.log', False, False) self.q = Queue()

    1熱度

    2回答

    我正在使用Python軟件包「deap」來解決遺傳算法的一些多目標優化問題。這些功能可能非常昂貴,並且由於GA的進化性質,它的複雜性非常快。現在這個包確實有一些支持,以允許演化計算與多進程並行化。 但是,我想更進一步並多次運行優化,並在一些優化參數上使用不同的值。例如,我可能想用權值的不同值來解決優化問題。 這似乎是一個非常自然的循環案例,但問題是這些參數必須在程序的全局範圍內定義(即在「main

    0熱度

    1回答

    PyMongo supports發電機批處理與sDB.insert(iter_something(converted))。批量寫入操作功能,可批量執行寫入操作,以減少網絡往返次數並提高寫入吞吐量。 下面的代碼看起來可行,但我不知道PyMongo是否仍然能夠將生成器和多處理器一起迭代,直到它產生了1000個文檔或16MB數據,然後在批處理插入到MongoDB時暫停生成器。 #!/usr/bin/en

    1熱度

    3回答

    我正在運行一個啓動子進程以通過rsync執行備份的備份腳本。不過,我無法限制它一次啓動的rsyncs數量。 這裏是我目前工作的代碼: print "active_children: ", multiprocessing.active_children() print "active_children len: ", len(multiprocessing.active_children())

    0熱度

    1回答

    我正在嘗試使用Pool.starmap_async來運行一些採用多個參數作爲輸入的代碼,以便快速掃描參數空間。代碼運行一個有時不會收斂的linalg函數,而是拋出一個np.linalg.LinAlgError。在這種情況下,我希望我的代碼返回np.nan,並繼續其快樂的方式。理想情況下,我也希望指定一個超時,以便代碼在設定的秒數後放棄並繼續到不同的參數組合。 # This is actually

    1熱度

    1回答

    我創建了一個matplotlib動畫,它通過文件中的一系列圖像運行。我可視化的文件通常非常大,並且每個圖像堆棧都有相當長的加載時間(約5秒)。我設法通過使用多處理功能錯開加載過程來讓動畫順利運行,但我無法將動畫另存爲視頻文件。 下面的代碼: from matplotlib import animation import pylab as plt import numpy as np impo

    1熱度

    2回答

    我試圖實現類似df.apply的函數,但跨數據塊的並行化。我寫了下面的測試代碼,看看我是多麼可能獲得(與數據複製等): from multiprocessing import Pool from functools import partial import pandas as pd import numpy as np import time def df_apply(df, f):

    7熱度

    1回答

    以下代碼不打印"here"。問題是什麼? 我在兩臺機器上測試了它(Windows 7,Ubuntu 12.10)和 http://www.compileonline.com/execute_python_online.php 它在所有情況下都不打印"here"。 from multiprocessing import Queue, Process def runLang(que):

    2熱度

    1回答

    我是多處理/多線程模塊中的新手,我試圖檢查它是否可以提高我的程序速度。問題是它返回意外的值。我也試過threading.Thread而不是multiprocessing.Process,發生同樣的問題 - 運行速度比不使用另一個線程慢。 在這個例子中,我使用了多處理模塊,但是當我嘗試多線程(差異在註釋中)時,它幾乎相同 下面是打印2個函數順序運行的時間和這些函數並行運行的時間: import ti

    7熱度

    1回答

    如果我創建4名工人池,並設置他們做一些任務(使用pool.apply_async(..)),我可以從內使用multiprocessing.current_process().name訪問每一個進程的名字,但我設置爲從父進程名稱(這主要是如何記錄)?