Python 池在 windows 中不工作，但在 linux 中工作

Question

我正在使用 Python 3.7.4 在 Windows 10、英特尔酷睿 i7-8550U 处理器上尝试 python 多处理。
我正在使用两个函数测试多处理，一个是基本的 sleep()，另一个是使用 sklearn 的 matthews_corrcoef。 多处理适用于睡眠 function，但不适用于 sklearn function。

import numpy as np
from sklearn.metrics import matthews_corrcoef
import time
import concurrent.futures
from multiprocessing import Process, Pool
from functools import partial
import warnings
import sys

class Runner():
  def sleeper(self, pred, man, thr = None):
    return time.sleep(2)

  def mcc_score(self, pred, man, thr = None):
    warnings.filterwarnings("ignore")
    return matthews_corrcoef(pred, man)

  def pool(self, func):
    t1 = time.perf_counter()
    p = Pool()
    meth = partial(func, pred, man)
    res = p.map(meth, thres)
    p.close()

    t2 = time.perf_counter()
    print(f'Pool {func.__name__} {round((t2-t1), 3)} seconds')

  def vanilla(self, func):
    t1 = time.perf_counter()
    for t in thres:
      func(pred, man)
    t2 = time.perf_counter()
    print(f'vanilla {func.__name__} {round((t2-t1), 3)} seconds')

if __name__== "__main__":
    print(sys.version)
    r = Runner()
    thres = np.arange(0,1, 0.3)
    print(f"Number of thresholds {len(thres)}")
    pred = [1]*200000
    man = [1]*200000
    results = []

    r.pool(r.mcc_score)
    r.vanilla(r.mcc_score)

    r.pool(r.sleeper)
    r.vanilla(r.sleeper)

在 windows 中，对于 mcc_score function，使用 pool 实际上比香草版本慢，而在 Linux 中它可以正常工作。

这是示例输出

#windows
3.7.4 (default, Aug  9 2019, 18:34:13) [MSC v.1915 64 bit (AMD64)]
Number of thresholds 4
Pool mcc_score 3.247 seconds
vanilla mcc_score 1.591 seconds
Pool sleeper 5.828 seconds
vanilla sleeper 8.001 seconds

#linux
3.7.0 (default, Jun 28 2018, 13:15:42) [GCC 7.2.0]
Number of thresholds 34
Pool mcc_score 1.946 seconds
vanilla mcc_score 8.817 seconds

我浏览了 stackoverflow 中的文档和其他相关问题，其中主要说明使用if __name__== "__main__": 。 一些帮助将不胜感激，因为我已经坚持了很长一段时间了。 如果我错过了任何重要信息，请提及，我会提供。

Answer 1

首先，我将简化您的代码。 由于 class 中的方法从不使用 class 变量，因此我将跳过 class 方法并仅使用方法。

起点是multiprocessing文档中的示例。 为了查看使用Pool的好处，我添加了两秒钟的睡眠时间并打印了一个时间戳。

import datetime
from multiprocessing import Pool
import time

def fx(x):
    time.sleep(2)
    print(datetime.datetime.utcnow())
    return x*x

if __name__ == '__main__':
    with Pool() as p:
        print(p.map(fx, range(10)))

output 符合预期

2019-11-10 11:10:05.346985
2019-11-10 11:10:05.363975
2019-11-10 11:10:05.418941
2019-11-10 11:10:05.435931
2019-11-10 11:10:07.347753
2019-11-10 11:10:07.364741
2019-11-10 11:10:07.419707
2019-11-10 11:10:07.436697
2019-11-10 11:10:09.348518
2019-11-10 11:10:09.365508
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

由于我没有指定核心数量，因此使用了所有可用的核心（在我的机器 4 上）。 这可以在时间戳中看到：4 个时间戳彼此接近。 然后执行暂停，直到再次释放核心。

您想使用matthews_corrcoef方法，该方法根据文档获取两个 arguments y_true和y_pred 。

在使用该方法之前，让我们从上面修改测试方法，取两个 arguments：

def fxy(x, y):
    time.sleep(2)
    print(datetime.datetime.utcnow())
    return x*y

从multiprocessing.pool.Pool的文档中我们了解到， map只接受一个参数。 所以我将使用apply_async来代替。 由于apply_async返回结果对象而不是方法的返回值，因此我使用列表来存储结果并在单独的循环中获取返回值，如下所示：

if __name__ == '__main__':
    with Pool() as p:
        res = []
        for i in range(10):
            res.append(p.apply_async(fxy, args = (i, i)))
        for item in res:
            print(item.get())

这给出了与第一种方法类似的 output ：

2019-11-10 11:41:24.987093
0
2019-11-10 11:41:24.996087
1
2019-11-10 11:41:25.008079
2019-11-10 11:41:25.002083
4
9
2019-11-10 11:41:26.988859
16
2019-11-10 11:41:27.009847
2019-11-10 11:41:27.009847
25
36
2019-11-10 11:41:27.011845
49
2019-11-10 11:41:28.989623
64
2019-11-10 11:41:29.019606
81

现在为matthews_corrcoef 。 为了更好地验证结果（您的pred和man在应用于matthews_corrcoef时抛出错误），我使用了matthews_corrcoef文档中示例中的命名法和值。

import datetime
from multiprocessing import Pool
import numpy as np
from sklearn.metrics import matthews_corrcoef

def mcc_score(y_true, y_pred): 
    print(datetime.datetime.utcnow())
    return matthews_corrcoef(y_true, y_pred)

y_true = [+1, +1, +1, -1]
y_pred = [+1, -1, +1, +1]

if __name__ == '__main__':
    with Pool() as p:
        res = []
        for i in range(10):
            res.append(p.apply_async(mcc_score, args = (y_true, y_pred)))
        for item in res:
            print(item.get())

结果如预期：

2019-11-10 11:49:07.309389
2019-11-10 11:49:07.345366
2019-11-10 11:49:07.375348
2019-11-10 11:49:07.393336
2019-11-10 11:49:07.412325
2019-11-10 11:49:07.412325
2019-11-10 11:49:07.412325
-0.3333333333333333
-0.3333333333333333
-0.3333333333333333
-0.3333333333333333
-0.3333333333333333
-0.3333333333333333
-0.3333333333333333
2019-11-10 11:49:07.420319
2019-11-10 11:49:07.420319
2019-11-10 11:49:07.413325
-0.3333333333333333
-0.3333333333333333
-0.3333333333333333