[英]Parallelizing for-loops in Python using joblib & SLURM
我有一个包含 100 个元组tuplelist
的列表,它们用作外部函数的输入。 外部函数返回一个值,并将该值附加到一个数组中,就像这样 ( MainFile.py
):
from ExternalPythonFile import ExternalFunction
valuelist = []
for a,b in tuplelist:
value = ExternalFunction(a,b)
# more functions here
valuelist.append(value)
print(len(valuelist))
使用上面的 for 循环时print(len(valuelist))
的输出是(100,)
。
现在,由于元组的顺序以及它们的附加方式在我的情况下并不重要,我想并行化 for 循环,因为处理 100 个元组需要大约 10 分钟,并且我希望扩展该数字。 我在下面尝试了一个 joblib 实现( MainFileJoblib.py
):
from ExternalPythonFile import ExternalFunction
from joblib import Parallel, delayed, parallel_backend
import multiprocessing
valuelist = []
def TupleFunction(a,b):
value = ExternalFunction(a,b)
# more functions here
valuelist.append(value)
with parallel_backend('multiprocessing'):
Parallel(n_jobs=10)(delayed(TupleFunction)(a,b) for a,b in tuplelist)
print(len(valuelist))
我在 unix 计算集群上运行所有这些,但运行时间仍然相似,大约 8 分钟。 输出也是错误的,它打印了(0,)
。
查看htop
我发现实际上有 10 个内核被使用,但每个内核只有 20% 的使用率。
我还尝试通过 SLURM 运行 joblib 实现:
srun --ntasks=1 --ncpus-per-task=10 python3 MainFileJoblib.py
这在大约 2 分钟左右肯定更快,但它再次给出了错误的结果(0,)
。
并行化原始 for 循环的最佳方法是什么?
Joblib 自行管理输出列表的创建和填充,因此可以轻松修复代码:
from ExternalPythonFile import ExternalFunction
from joblib import Parallel, delayed, parallel_backend
import multiprocessing
with parallel_backend('multiprocessing'):
valuelist = Parallel(n_jobs=10)(delayed(ExternalFunction)(a, b) for a, b in tuplelist)
print(len(valuelist))
如果由于某种原因你需要更新一个类似数组的对象,你可以使用 numpy memmap,按照下面的最小示例:
import tempfile
import numpy as np
from ExternalPythonFile import ExternalFunction
from joblib import Parallel, delayed, parallel_backend
import multiprocessing
# define function to update your array
def fill_array(mm_file, i, tuple_val):
a, b = tuple_val
value = ExternalFunction(a, b)
# more functions here
mm_file[i] = value
# create a temporary folder
tmp_dir = tempfile.mkdtemp()
# create a file where to dump your array
values_fname_memmap = Path(tmp_dir).joinpath("values_memmap")
values_memmap = np.memmap(values_fname_memmap.as_posix(),
dtype=np.float,
shape=(len(tuplelist), ),
mode='w+')
with parallel_backend('multiprocessing'):
Parallel(n_jobs=10)(delayed(fill_array)(values_memmap, i, ab)
for i, ab in enumerate(tuplelist))
print(len(values_memmap))
如果您需要对值应用一组转换( # more functions ),只需围绕 ExternalFunction 进行包装,为给定的元组 (a, b) 输出所需的值。
我希望尽管回复晚了,它仍然对你有用。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.