在python中为多个参数并行运行单个函数的最快方法

Question

假设我有一个函数processing。我想对多个参数并行地多次运行同一个函数，而不是一个接一个地顺序运行

def processing(image_location):
    
    image = rasterio.open(image_location)
    ...
    ...
    return(result)

#calling function serially one after the other with different parameters and saving the results to a variable.
results1 = processing(r'/home/test/image_1.tif')
results2 = processing(r'/home/test/image_2.tif')
results3 = processing(r'/home/test/image_3.tif')

例如，如果我运行delineation(r'/home/test/image_1.tif')然后delineation(r'/home/test/image_2.tif')然后delineation(r'/home/test/image_3.tif')，如上面的代码所示，它将依次运行，如果一个函数运行需要5分钟，那么运行这三个函数将需要5x3=15分钟。因此，我想知道我是否可以并行/尴尬地并行运行这三个参数，以便只需5分钟就可以执行所有三个不同参数的函数

请帮助我以最快的方式完成这项工作。默认情况下，脚本应该能够利用所有可用资源/CPU/ram来完成此任务

Answer 1

你可能想看看IPython Parallel。它允许您在负载平衡（本地）集群上轻松运行函数

对于这个小示例，请确保已安装IPython Parallel、NumPy和Pillow。要运行示例，首先需要启动集群。要启动具有四个并行引擎的本地集群，请在终端中键入（一个引擎对应一个处理器核心似乎是一个合理的选择）：

ipcluster 4

然后，您可以运行以下脚本，该脚本在给定目录中搜索jpg图像，并计算每个图像中的像素数：

import ipyparallel as ipp


rc = ipp.Client()
with rc[:].sync_imports():  # import on all engines
    import numpy
    from pathlib import Path
    from PIL import Image


lview = rc.load_balanced_view()  # default load-balanced view
lview.block = True  # block until map() is finished


@lview.parallel()
def count_pixels(fn: Path):
    """Silly function to count the number of pixels in an image file"""
    im = Image.open(fn)
    xx = numpy.asarray(im)
    num_pixels = xx.shape[0] * xx.shape[1]
    return fn.stem, num_pixels


pic_dir = Path('Pictures')
fn_lst = pic_dir.glob('*.jpg')  # list all jpg-files in pic_dir

results = count_pixels.map(fn_lst)  # execute in parallel

for n_, cnt in results:
    print(f"'{n_}' has {cnt} pixels.")

Answer 2

您可以使用multiprocessing并行执行函数，并将结果保存到results变量：

from multiprocessing.pool import ThreadPool

pool = ThreadPool()
images = [r'/home/test/image_1.tif', r'/home/test/image_2.tif', r'/home/test/image_3.tif']
results = pool.map(delineation, images)

Answer 3

使用multiprocessing库的另一种写入方式（请参阅@Alderven以了解其他函数）

import multiprocessing as mp

def calculate(input_args):
    result = input_args * 2
    return result

N = mp.cpu_count()
parallel_input = np.arange(0, 100)
print('Amount of CPUs ', N)
print('Amount of iterations ', len(parallel_input))

with mp.Pool(processes=N) as p:
    results = p.map(calculate, list(parallel_input))

results变量将包含一个包含已处理数据的列表。然后你就可以写了