在数字中使用多线程

Question

我有一个函数，执行多边形点测试。它以两个2dnumpy数组作为输入（一系列点和一个多边形）。函数返回一个布尔值作为输出（如果点位于多边形内部，则返回True，否则返回False）。代码是从this SO answer借用的。下面是一个例子：

from numba import jit
from numba.pycc import CC
cc = CC('nbspatial')
import numpy as np

@cc.export('array_tracing2', 'b1[:](f8[:,:], f8[:,:])')
@jit(nopython=True, nogil=True)
def array_tracing2(xy, poly):
    D = np.empty(len(xy), dtype=numba.boolean)
    n = len(poly)
    for i in range(1, len(D) - 1):
        inside = False
        p2x = 0.0
        p2y = 0.0
        xints = 0.0
        p1x,p1y = poly[0]
        x = xy[i][0]
        y = xy[i][1]
        for i in range(n+1):
            p2x,p2y = poly[i % n]
            if y > min(p1y,p2y):
                if y <= max(p1y,p2y):
                    if x <= max(p1x,p2x):
                        if p1y != p2y:
                            xints = (y-p1y)*(p2x-p1x)/(p2y-p1y)+p1x
                        if p1x == p2x or x <= xints:
                            inside = not inside
            p1x,p1y = p2x,p2y
        D[i] = inside
    return D


if __name__ == "__main__":
    cc.compile()

上面的代码可以通过运行python numba_src.py进行编译并用以下方法进行测试：

^{pr2}$

我的尝试是将上面的代码并行化，以便利用所有可用的CPU。在

我尝试从numbaofficial documentation中使用@njit的示例

import numba

@njit(parallel=True)
def array_tracing3(xy, poly):
    D = np.empty(len(xy), dtype=numba.boolean)
    n = len(poly)
    for i in range(1, len(D) - 1):
        inside = False
        p2x = 0.0
        p2y = 0.0
        xints = 0.0
        p1x,p1y = poly[0]
        x = xy[i][0]
        y = xy[i][1]
        for i in range(n+1):
            p2x,p2y = poly[i % n]
            if y > min(p1y,p2y):
                if y <= max(p1y,p2y):
                    if x <= max(p1x,p2x):
                        if p1y != p2y:
                            xints = (y-p1y)*(p2x-p1x)/(p2y-p1y)+p1x
                        if p1x == p2x or x <= xints:
                            inside = not inside
            p1x,p1y = p2x,p2y
        D[i] = inside
    return D

上面的代码是为预编译串行版本的55''vs1' 33''中的N=1000000完成的。系统监视器显示只有一个CPU以100%的速度运行。在

如何利用整个可用的CPU，并将结果返回到一个booleansd数组中？在

Answer 1

Numba的parallel=True只为某些函数启用自动并行，而不是为所有循环启用。您应该用range()替换一个range()表达式来启用多核计算。在

参见：https://numba.pydata.org/numba-doc/dev/user/parallel.html