Python多進(jìn)程共享numpy 數(shù)組的方法

為什么要用numpy

    Python中提供了list容器，可以當(dāng)作數(shù)組使用。但列表中的元素可以是任何對象，因此列表中保存的是對象的指針，這樣一來，為了保存一個簡單的列表[1,2,3]。就需要三個指針和三個整數(shù)對象。對于數(shù)值運(yùn)算來說，這種結(jié)構(gòu)顯然不夠高效。
    Python雖然也提供了array模塊，但其只支持一維數(shù)組，不支持多維數(shù)組(在TensorFlow里面偏向于矩陣?yán)斫?，也沒有各種運(yùn)算函數(shù)。因而不適合數(shù)值運(yùn)算。
    NumPy的出現(xiàn)彌補(bǔ)了這些不足。

引用：https://zhuanlan.zhihu.com/p/32513483

共享 numpy 數(shù)組

需要用到 numpy 時往往是數(shù)據(jù)量較大的場景，如果直接復(fù)制會造成大量內(nèi)存浪費(fèi)。共享 numpy 數(shù)組則是通過上面一節(jié)的 Array 實(shí)現(xiàn)，再用 numpy.frombuffer 以及 reshape 對共享的內(nèi)存封裝成 numpy 數(shù)組，代碼如下：

# encoding:utf8
import ctypes
import os
import multiprocessing

import numpy as np

NUM_PROCESS = multiprocessing.cpu_count()


def worker(index):
    main_nparray = np.frombuffer(shared_array_base, dtype=ctypes.c_double)
    main_nparray = main_nparray.reshape(NUM_PROCESS, 10)
    pid = os.getpid()
    main_nparray[index, :] = pid
    return pid


if __name__ == "__main__":
    shared_array_base = multiprocessing.Array(
        ctypes.c_double, NUM_PROCESS * 10, lock=False)
    pool = multiprocessing.Pool(processes=NUM_PROCESS)
    result = pool.map(worker, range(NUM_PROCESS))
    main_nparray = np.frombuffer(shared_array_base, dtype=ctypes.c_double)
    main_nparray = main_nparray.reshape(NUM_PROCESS, 10)
    print( main_nparray )

運(yùn)行結(jié)果：

到此這篇關(guān)于Python多進(jìn)程共享numpy 數(shù)組的方法的文章就介紹到這了,更多相關(guān)Python多進(jìn)程共享numpy 數(shù)組內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！