小编Har*_*sad的帖子

在Google Collab中,您可以选择在cpu或gpu环境中运行的笔记本.现在我有一台配有NVDIA Cuda兼容GPU 1050和最新款anaconda的笔记本电脑.如何使用类似的功能,我可以简单地让我的python在GPU上运行？

我有一个包含 10 000 张图像的文件夹，我在 for 循环中一张一张地迭代，每次处理后我都会将修改后的图像保存在文件中。执行的问题是，即使处理 500 个图像也需要很长时间，而且我看到 Windows 任务管理器中的 CPU 使用率高达 80%。

如何加速下面的代码？像将所有处理过的图像保存在内存中并一次性写入之类的东西吗？

    from PIL import Image
    from resizeimage import resizeimage
    for imgnm in range(0, samples):
        start = time.time()
        filename=filenames[imgnm]
        img = Image.open(os.path.join(imagedir,filename))
        img=resizeimage.resize_crop(img, [700, 700])
        (img.resize((700,700),Image.ANTIALIAS)).save(os.path.join(subdir,filename),quality=40)
        img.close()

我试图在很多地方找到答案，但还没有得到直接的答案。modin Speedup 是否适用于数据帧？是否具有在 Dataframe 中并行化应用功能而不是逐行执行典型的智能？

或者

我们应该使用 Spark Dataframe 来加速应用功能吗？

抱歉，如果有简单的答案可用，我总是会得到关于 modin 阅读速度或某些功能的答案，很少适用。