Dask支持定义custom computational graphs以及opportinistic caching。问题是如何将它们一起使用。在
例如,让我们定义一个非常简单的计算图,它计算x+1
操作
import dask
def compute(x):
graph = {'step1': (sum, [x, 1])}
return dask.get(graph, 'step1')
print('Cache disabled:', compute(1), compute(2))
这将产生2
和{
现在我们启用机会缓存
^{pr2}$在这两种情况下,我们都错误地得到2
的结果,因为无论输入是什么,cc.cache.data
都是{
我想这意味着需要对输入进行哈希处理(例如用^{
问题是在复杂图中,一个随机步骤名需要考虑提供给它的子步骤的所有输入的哈希值,这意味着必须进行完整的图解析。在
重要的是dask图中的键名是唯一的(正如您在上面发现的)。此外,我们希望相同的计算有相同的密钥,这样我们就可以避免多次计算它们-这不是dask工作的必要条件,它只是提供了一些优化的机会。在
在dask的内部,我们使用^{} 来计算输入的“散列”,从而得到确定的密钥名。您也可以自由使用此函数。在上面链接的问题中,我们说函数是公共的,只是实现可能会改变(而不是签名)。在
还要注意,对于许多用例,我们建议现在使用^{} 而不是自定义图来生成自定义计算。这将在幕后为您进行确定性哈希。在
相关问题 更多 >
编程相关推荐