时间戳

首页 > 解决方案 > 使用多处理模块填充复杂的 numpy 数组

python - 使用多处理模块填充复杂的 numpy 数组

问题描述

我遇到了这个演示https://jonasteuwen.github.io/numpy/python/multiprocessing/2017/01/07/multiprocessing-numpy-array.html关于如何使用多处理模块填充 numpy 数组。我想在我的代码中做类似的事情，但我正在填充的数组，即我X的数组是一个复杂的数组。ctypes 模块给了我一个错误NotImplementedError: Converting dtype('complex128') to a ctypes type。

因此，在链接的示例中，我想要有效地替换非并行版本：

X = np.random.random((100, 100))

和

X = np.random.random((100, 100)) + 1j * np.random.random((100, 100))

和

tmp = np.zeros((100, 100))

和

tmp = np.zeros((100, 100)) + 1j * np.random.random((100, 100))

我不确定如何使用 numpy.ctypes 模块来做到这一点，但我愿意接受其他想法来实现类似的事情。谢谢。

标签： pythonnumpyctypespython-multiprocessing

解决方案

通过将数组拆分为实部和虚部来解决这个问题，分别处理它们，然后组合形成复变量。

import numpy as np
import itertools
from multiprocessing import Pool #  Process pool
from multiprocessing import sharedctypes

size = 100
block_size = 4

X = np.random.random((size, size)) + 1j * np.random.random((size, size))
X_r = X.real 
X_i = X.imag
result_r = np.ctypeslib.as_ctypes(np.zeros((size, size)))
result_i = np.ctypeslib.as_ctypes(np.zeros((size, size)))
shared_array_r = sharedctypes.RawArray(result_r._type_, result_r)
shared_array_i = sharedctypes.RawArray(result_i._type_, result_i)

def fill_per_window(args):
    window_x, window_y = args
    tmp_r = np.ctypeslib.as_array(shared_array_r)
    tmp_i = np.ctypeslib.as_array(shared_array_i)

    for idx_x in range(window_x, window_x + block_size):
        for idx_y in range(window_y, window_y + block_size):
            tmp_r[idx_x, idx_y] = X_r[idx_x, idx_y]
            tmp_i[idx_x, idx_y] = X_i[idx_x, idx_y]

window_idxs = [(i, j) for i, j in
           itertools.product(range(0, size, block_size),
                             range(0, size, block_size))]

p = Pool()
res = p.map(fill_per_window, window_idxs)
result_r = np.ctypeslib.as_array(shared_array_r)
result_i = np.ctypeslib.as_array(shared_array_i)
result = result_r + 1j * result_i
print(np.array_equal(X, result))

推荐阅读