小编Dar*_*aut的帖子

该[f'str']字符串格式化在Python 3.6是近期推出。链接。我正在尝试比较.format()和f'{expr}方法。

 f ' <text> { <expression> <optional !s, !r, or !a> <optional : format specifier> } <text> ... '

以下是将华氏温度转换为摄氏温度的列表理解。

使用该.format()方法将结果以浮点数打印到两个小数点，并添加字符串摄氏：

Fahrenheit = [32, 60, 102]

F_to_C = ['{:.2f} Celsius'.format((x - 32) * (5/9)) for x in Fahrenheit]

print(F_to_C)

# output ['0.00 Celsius', '15.56 Celsius', '38.89 Celsius']

我正在尝试使用f'{expr}方法复制以上内容：

print(f'{[((x - 32) * (5/9)) for x in Fahrenheit]}')  # This prints the float numbers without formatting 

# output: …

为什么下面的代码只适用于multiprocessing.dummy，而不适用于 simple multiprocessing。

import urllib.request
#from multiprocessing.dummy import Pool #this works
from multiprocessing import Pool

urls = ['http://www.python.org', 'http://www.yahoo.com','http://www.scala.org', 'http://www.google.com']

if __name__ == '__main__':
    with Pool(5) as p:
        results = p.map(urllib.request.urlopen, urls)

错误 ：

Traceback (most recent call last):
  File "urlthreads.py", line 31, in <module>
    results = p.map(urllib.request.urlopen, urls)
  File "C:\Users\patri\Anaconda3\lib\multiprocessing\pool.py", line 268, in map
    return self._map_async(func, iterable, mapstar, chunksize).get()
  File "C:\Users\patri\Anaconda3\lib\multiprocessing\pool.py", line 657, in get
    raise self._value
multiprocessing.pool.MaybeEncodingError: Error sending result: '[<http.client.HTTPResponse object at 0x0000016AEF204198>]'. Reason: …

我正试图在两个内核上完全同时运行两个Python函数。每个进程都运行一个很长的循环（理论上是无限循环）。重要的是，它们必须同时保持同步，即使是最小的延迟也可能导致长期问题。

我认为我的问题是我像这样连续运行它们

# define the processes and assign them  functions
first_process = multiprocessing.Process(name='p1', target='first_function')
second_process = multiprocessing.Process(name='p2', target='second_function')

# start the processes
first_process.start()
second_process.start()

我time.time()在每个功能的开始处打印以测量时间差。输出结果是：

first function time: 1553812298.9244068
second function time: 1553812298.9254067

差别是0.0009999275207519531秒。如前所述，这种差异将对长期产生重大影响。

综上所述，如何在两个不同的内核上完全同时运行两个功能？如果Python无法做到这一点，我还应该检查哪些其他选项？

我开始熟悉 Python 的multiprocessing模块。以下代码按预期工作：

#outputs 0 1 2 3
from multiprocessing import Pool
def run_one(x):
    print x
    return

pool = Pool(processes=12)
for i in range(4):
    pool.apply_async(run_one, (i,))
pool.close()
pool.join() 

但是，现在，如果我围绕上述代码包装一个函数，print则不会执行语句（或至少重定向输出）：

#outputs nothing
def run():
    def run_one(x):
        print x
        return    

    pool = Pool(processes=12)
    for i in range(4):    
        pool.apply_async(run_one, (i,))
    pool.close()
    pool.join()

如果我将run_one定义移到之外run，则输出再次是预期的，当我调用时run()：

#outputs 0 1 2 3
def run_one(x):
    print x
    return

def run():    
    pool = Pool(processes=12)
    for i in range(4):       
        pool.apply_async(run_one, …

刚刚__length_hint__()从PEP 424(https://www.python.org/dev/peps/pep-0424/)遇到了这个非常棒的迭代器方法.哇!一种获取迭代器长度而不会耗尽迭代器的方法.

我的问题:

1. 有一个简单的解释这个魔法是如何工作的？我只是好奇.
2. 是否有限制和案例不起作用？("提示"听起来有点可疑).
3. 有没有办法获得拉链和发电机的提示？或者它只是迭代器的基础？

编辑: BTW,我看到__length__hint__()从当前位置到结束的计数.即部分消耗的迭代器将报告剩余长度.有趣.

I'm trying to parallelize a script, but for an unknown reason the kernel just freeze without any errors thrown.

minimal working example:

from multiprocessing import Pool

def f(x):
  return x*x

p = Pool(6)
print(p.map(f, range(10)))   

Interestingly, all works fine if I define my function in another file then import it. How can I make it work without the need of another file?

I work with spyder (anaconda) and I have the same result if I run my code from the …

下面的代码将三个数字放入队列中。然后它尝试从队列中取回号码。但它永远不会。如何从队列中获取数据？

import multiprocessing

queue = multiprocessing.Queue()

for i in range(3):
    queue.put(i)

while not queue.empty():
    print queue.get()

最初的问题：使用celery任务队列，我希望进程池中的进程使用共享的 CUDA 数组（即，我希望所有进程都访问一个数组，而不是每个进程都有其唯一的数组。这是安全的，因为只读取执行）。Pytorch 的torch.multiprocessing库允许这样做，并且根据文档，它是multiprocessing.

billiard似乎multiprocessing是创建进程池的两个可行选择。目前，celeryPython 任务队列库由于一些功能改进而billiard使用过度。有人在这里问了一个问题，但答案并不具体。multiprocessing

It backports changes from the Python 2.7 and 3.x. 
The current version is compatible with Py2.4 - 2.7 and falls back to multiprocessing for 3.x, 
the next version will only support 2.6, 2.7 and 3.x.