我有一个类,如果被多个线程访问,它的行为会很奇怪。这些线程是在sklearn的GridSearch培训期间开始的(jobs=3),所以我不知道它们是如何被调用的。在
我的类本身大致如下:
from sklearn.base import BaseEstimator, TransformerMixin
import threading
class FeatureExtractorBase(BaseEstimator, TransformerMixin):
expensive_dependency = {}
lock = threading.lock()
is_loaded = False
@staticmethod
def load_dependencies():
FeatureExtractorBase.lock.acquire()
if not FeatureExtractorBase.is_loaded:
print('first request, start loading..')
# load dependencies, takes a while
FeatureExtractorBase.is_loaded = True
print('done')
else:
pass
FeatureExtractorBase.lock.release()
class ActualExtractor(FeatureExtractorBase):
def transform(self, data):
FeatureExtractorBase.load_dependencies()
# generate features from data using dependencies
return features
这个类使用我希望的惰性初始化。立即初始化会导致问题,我不能再这样做了。而且由于类在一个程序调用期间会被重新初始化几次,所以每次初始化构造函数中的数据都会浪费时间。现在,问题是 这不是我想要的,这是输出:
^{pr2}$不仅在同一时间输入三个我认为是锁定区域的线程,在一分钟后的测试中,同样的区域再次进入——尽管此时is_loaded
应该设置为True
。在
这是我第一次用Python处理线程,而且我对类的处理仍然很笨拙,所以我确信我在这里做了些错事。但我看不到什么或哪里。在
线程本身并不能加快python进程的速度,其瓶颈是CPU而不是IO(读/写),因为全局解释器锁(GIL)。 多任务加速实际上是用来学习并行处理的。这与线程的不同之处在于,对象被复制到一个单独的进程中,因此您的类实际上有多个副本。 因此,每次启动新进程时,都会复制原始的、未初始化的类,然后再次进行加载。在
我认为这是sklearn用于网格搜索的主要并行化模块。 https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/externals/joblib/parallel.py
相关问题 更多 >
编程相关推荐