我有很多非常大的矩阵AFeatures
,我正在与其他一些非常大的矩阵BFeatures
进行比较,它们的形状都是(878, 2, 4, 15, 17, 512)
,使用欧几里德距离。我试图将这个过程并行化,以加速比较。
我在Conda环境中使用Python3,我的原始代码在100%的速度下平均使用两个CPU核:
per_slice_comparisons = np.zeros(shape=(878, 878, 2, 4))
for i in range(878):
for j in range(878):
for k in range(2):
for l in range(4):
per_slice_comparisons[i, j, k, l] = np.linalg.norm(AFeatures[i, k, l, :] - BFeatures[j, k, l, :])
我尝试了两种加速代码的方法
使用多重处理
def fill_array(i):
comparisons = np.zeros(shape=(878, 2, 4))
for j in range(878):
for k in range(2):
for l in range(4):
comparisons[j, k, l] = np.linalg.norm(AFeatures[i, k, l, :] -BFeatures[j, k, l, :])
comparisons[j, k, l] = 0
return comparisons
pool = Pool(processes=6)
list_start_vals = range(878)
per_slice_comparisons = np.array(pool.map(fill_array, list_start_vals))
pool.close()
这种方法将运行时间增加了5%左右,尽管所有8个CPU内核现在都以100%的速度使用。我已经尝试了许多不同的过程,越多,速度就越慢
这是一种稍微不同的方法,我使用numexpr库来执行更快的linal.norm操作。对于单个操作,此方法将运行时间减少10倍
os.environ['NUMEXPR_MAX_THREADS'] = '8'
os.environ['NUMEXPR_NUM_THREADS'] = '4'
import numexpr as ne
def linalg_norm(a):
sq_norm = ne.evaluate('sum(a**2)')
return ne.evaluate('sqrt(sq_norm)')
per_slice_comparisons = np.zeros(shape=(878, 878, 2, 4))
for i in range(878):
for j in range(878):
for k in range(2):
for l in range(4):
per_slice_comparisons[i, j, k, l] = linalg_norm(AFeatures[i, k, l, :] - BFeatures[j, k, l, :])
但是,对于嵌套for循环,这种方法将总执行时间增加了3倍。我不明白为什么简单地将这个操作放在嵌套的for循环中会显著降低性能?如果有人对如何解决这个问题有任何想法,我将非常感激
我只是简单介绍一下这个问题。我发现,在计算不同的高维向量之间的欧几里德距离时,我确实在Anaconda中使用numpy获得了最好的结果。在此基础上使用多处理并没有取得任何显著的改进
但是,我后来通过一个代码示例(https://github.com/QVPR/Patch-NetVLAD)找到了最近的Faiss库。Faiss(https://anaconda.org/pytorch/faiss-gpu)是一个用于聚类和计算不同向量之间距离的库,可用于计算余弦和欧氏距离。简单地说,使用这个库可以实现的速度是巨大的,远远超过了比较大量高维矩阵的速度的100倍。对于我的研究来说,它完全改变了游戏规则,我强烈推荐它,尤其是在比较大型神经网络描述器时
创建进程是一项非常昂贵的系统操作。操作系统必须重新映射大量页面(程序、共享库、数据等),以便新创建的进程可以访问初始进程的页面。多处理包还使用进程间通信,以便在进程之间共享工作。这也很慢。更不用说所需的最终联接操作了。为了提高效率(即尽可能减少开销),使用多处理包的Python程序应该共享少量数据并执行昂贵的计算。 在您的情况下,您不需要多处理软件包,因为您只使用Numpy数组(请参阅下文)
Numexpr使用线程,而进程和线程比进程轻(即更便宜)。Numexpr还使用积极优化尽可能加快计算表达式的速度(CPython没有做到这一点)
Python的默认实现是CPython,它是一个解释器。口译员通常非常慢(尤其是CPython)。CPython几乎不执行代码优化。如果您想要快速循环,那么您需要将它们编译为本机代码或JIT的替代方法。您可以使用Cython或Numba进行此操作。这两种方法可以提供简单的并行化程序的方法。在您的案例中,使用Numba可能是最简单的解决方案。您可以从查找example programs开始
更新:如果Numpy的实现是多线程can,那么多处理代码可能会慢得多。实际上,每个进程将在一台有N个内核的机器上创建N个线程。因此,将运行N*N个线程。这种情况称为过度订阅,已知效率低下(由于抢占式多任务处理,尤其是上下文切换)。检查这一假设的一种方法是简单地查看创建了多少线程(例如,在Posix系统上使用hwloc工具),或者简单地监视处理器的使用情况
相关问题 更多 >
编程相关推荐