相关疑难解决方法(0)

对于C++,我们可以使用OpenMP进行并行编程; 但是,OpenMP不适用于Python.如果我想并行我的python程序的某些部分,我该怎么办？

代码的结构可以被认为是:

 solve1(A)
 solve2(B)

哪里solve1和solve2是两个独立的功能.如何并行运行这种代码而不是按顺序运行以减少运行时间？希望可以有人帮帮我.首先十分感谢.代码是:

def solve(Q, G, n):
    i = 0
    tol = 10 ** -4

    while i < 1000:
        inneropt, partition, x = setinner(Q, G, n)
        outeropt = setouter(Q, G, n)

        if (outeropt - inneropt) / (1 + abs(outeropt) + abs(inneropt)) < tol:
            break

        node1 = partition[0]
        node2 = partition[1]

        G = updateGraph(G, node1, node2)

        if i == 999:
            print "Maximum iteration reaches"
    print inneropt

setinner和setouter是两个独立的函数.这就是我要平行的地方......

我正在尝试使用scipy.integrate.ode或scipy.integrate.odeint求解大量（超过一千个）初始条件的 ODE 系统，但是执行循环的速度非常慢，并且 scipy 似乎没有提供用于输入 2D 数组（由一组指定初始条件的一维数组），并且选项vectorized似乎scipy.integrate.solve_ivp并不意味着它接受初始条件的二维数组（https://docs.scipy.org/doc/scipy/reference/ generated/scipy.integrate .solve_ivp.html）。我读过一个线程询问类似的问题（Vectorized SciPy odesolver），其中一个答案建议使用scipy.integrate.odeint，但是它似乎也不接受多维数组，所以它根本不明白如何实现它。有什么解决方案可以加快进程吗？除了矢量化之外，我还考虑过使用并行计算技术，但我对此并不熟悉，而且我认为它并没有真正像矢量化那样显着地加速程序？