在類內的emcee庫中使用多處理

Question

我嘗試使用emcee庫在一個類中實現Monte Carlo Markov Chain，並且還使多處理模塊工作，但是在運行了這樣的測試代碼之后：

import numpy as np
import emcee
import scipy.optimize as op
# Choose the "true" parameters.
m_true = -0.9594
b_true = 4.294
f_true = 0.534

# Generate some synthetic data from the model.
N = 50
x = np.sort(10*np.random.rand(N))
yerr = 0.1+0.5*np.random.rand(N)
y = m_true*x+b_true
y += np.abs(f_true*y) * np.random.randn(N)
y += yerr * np.random.randn(N)

class modelfit():
      def  __init__(self):
          self.x=x
          self.y=y
          self.yerr=yerr
          self.m=-0.6
          self.b=2.0
          self.f=0.9
      def get_results(self):
          def func(a):
              model=a[0]*self.x+a[1]
              inv_sigma2 = 1.0/(self.yerr**2 + model**2*np.exp(2*a[2]))
              return 0.5*(np.sum((self.y-model)**2*inv_sigma2 + np.log(inv_sigma2)))
          result = op.minimize(func, [self.m, self.b, np.log(self.f)],options={'gtol': 1e-6, 'disp': True})
          m_ml, b_ml, lnf_ml = result["x"]
          return result["x"]
      def lnprior(self,theta):
          m, b, lnf = theta
          if -5.0 < m < 0.5 and 0.0 < b < 10.0 and -10.0 < lnf < 1.0:
             return 0.0
          return -np.inf
      def lnprob(self,theta):
          lp = self.lnprior(theta)
          likelihood=self.lnlike(theta)
          if not np.isfinite(lp):
             return -np.inf
          return lp + likelihood
      def lnlike(self,theta):
          m, b, lnf = theta
          model = m * self.x + b
          inv_sigma2 = 1.0/(self.yerr**2 + model**2*np.exp(2*lnf))
          return -0.5*(np.sum((self.y-model)**2*inv_sigma2 - np.log(inv_sigma2)))
      def run_mcmc(self,nstep):
          ndim, nwalkers = 3, 100
          pos = [self.get_results() + 1e-4*np.random.randn(ndim) for i in range(nwalkers)]
          self.sampler = emcee.EnsembleSampler(nwalkers, ndim, self.lnprob,threads=10)
          self.sampler.run_mcmc(pos, nstep)
test=modelfit()
test.x=x
test.y=y
test.yerr=yerr
test.get_results()
test.run_mcmc(5000)

我收到此錯誤消息：

File "MCMC_model.py", line 157, in run_mcmc
    self.sampler.run_mcmc(theta0, nstep)
  File "build/bdist.linux-x86_64/egg/emcee/sampler.py", line 157, in run_mcmc
  File "build/bdist.linux-x86_64/egg/emcee/ensemble.py", line 198, in sample
  File "build/bdist.linux-x86_64/egg/emcee/ensemble.py", line 382, in _get_lnprob
  File "build/bdist.linux-x86_64/egg/emcee/interruptible_pool.py", line 94, in map
  File "/vol/aibn84/data2/zahra/anaconda/lib/python2.7/multiprocessing/pool.py", line 558, in get
    raise self._value
cPickle.PicklingError: Can't pickle <type 'instancemethod'>: attribute lookup __builtin__.instancemethod failed

我認為這與我在類中使用多重處理的方式有關，但是我無法弄清楚如何保持類的結構，同時也使用多重處理？

任何提示，我將不勝感激。

附注：如果我從上一個函數中刪除threads=10 ，則代碼必須能完美工作。

Answer 1

有許多SO問題討論正在發生的事情：

1. https://stackoverflow.com/a/21345273/2379433

2. https://stackoverflow.com/a/28887474/2379433

3. https://stackoverflow.com/a/21345308/2379433

4. https://stackoverflow.com/a/29129084/2379433

…包括這個，這似乎是您對幾乎相同的問題的回答：

5. https://stackoverflow.com/a/25388586/2379433

但是，這里的區別在於您不是直接使用multiprocessing ，而是emcee 。 因此， pathos.multiprocessing解決方案（來自上面的鏈接）不適用於您。 由於emcee使用cPickle ，因此您必須堅持pickle知道如何序列化的內容。 您對類實例不走運。 典型的解決方法是使用copy_reg來注冊要序列化的對象的類型，或者添加__reduce__方法來告訴python如何對其進行序列化。 您可以從上面的鏈接中看到一些答案，它們暗示了類似的事情……但是，沒有一個使您能夠按照編寫該類的方式進行操作。

Answer 2

作為記錄，您現在可以創建一個pathos.multiprocessing池，並使用pool參數將其傳遞給emcee。 但是，請注意，除非您的計算時間特別耗時，否則多處理的開銷實際上會降低速度。