小编use*_*169的帖子

Python多处理工作者/队列

我有一个python函数,总共运行12次.我目前设置这个设置来使用多处理库中的池来并行运行所有这些池.通常我一次运行6,因为该功能是CPU密集型的并且并行运行12经常导致程序崩溃.当我们一次做6时,第二组6将不会开始,直到所有前6个过程完成.理想情况下,我们希望另一个(例如第7个)在第一批6的一个完成后立即启动 - 这样6个一次运行,而有更多的启动.现在代码看起来像这样(它将被调用两次,将前6个元素传递到一个列表中,然后将第二个6传递给另一个列表:

from multiprocessing import Pool

def start_pool(project_list):

    pool = Pool(processes=6)
    pool.map(run_assignments_parallel,project_list[0:6])
Run Code Online (Sandbox Code Playgroud)

所以我一直在尝试实现一个worker/queue解决方案并遇到了一些问题.我有一个看起来像这样的worker函数:

def worker(work_queue, done_queue):
    try:
        for proj in iter(work_queue.get, 'STOP'):
            print proj
            run_assignments_parallel(proj)
            done_queue.put('finished ' + proj )
    except Exception, e:        
        done_queue.put("%s failed on %s with: %s" % (current_process().name, proj,        e.message))
    return True
Run Code Online (Sandbox Code Playgroud)

调用worker函数的代码如下:

workers = 6
work_queue = Queue()
done_queue = Queue()  
processes = []
for project in project_list:
    print project
    work_queue.put(project)
for w in xrange(workers):        
    p = Process(target=worker, args=(work_queue, done_queue))
    p.start()
    processes.append(p)
    work_queue.put('STOP')
for p …
Run Code Online (Sandbox Code Playgroud)

python multiprocessing

5
推荐指数
2
解决办法
9992
查看次数

使用 Numpy 中一维数组的值从二维数组返回行和列

我正在尝试使用 1-dim 数组的值从 Numpy 中的 2-dim 数组切片/返回行和列。例如,假设我有以下一个暗淡数组:[1,3,5)] 和以下 2 个暗淡数组:

array([[1, 0, 0, 0, 0, 0],
       [0, 4, 0, 0, 0, 1],
       [0, 0, 3, 0, 0, 0],
       [0, 1, 0, 7, 0, 10],
       [0, 0, 0, 0, 8, 0],
       [0, 2, 0, 0, 0, 9]])
Run Code Online (Sandbox Code Playgroud)

我如何返回以下内容:

array([[4, 0, 1],
       [1, 7, 10],
       [2, 0, 9]])
Run Code Online (Sandbox Code Playgroud)

我还希望能够使用相同的示例生成 6x6 掩码。所以我会得到这个:

array([[True, True, True, True, True, True],
       [True, False, True, False, True, False],
       [True, True, True, True, True, True],
       [True, False, True, …
Run Code Online (Sandbox Code Playgroud)

python arrays numpy

1
推荐指数
1
解决办法
1653
查看次数

标签 统计

python ×2

arrays ×1

multiprocessing ×1

numpy ×1