joblib 的一个最小示例在所有 4 个内核上运行，另一个仅在一个内核上运行。使固定？

Question

我正在尝试在我的机器学习算法实现中使用一些并行计算，使用 joblib，尤其是在 this page 上使用的技术。以下示例是为了让我理解并行性，我在 ML 算法中遇到了与第二个示例相同的问题。

此示例按预期在所有 4 个内核上运行：

from joblib import Parallel, delayed

N_PARAM = 10000
N_TEST_FUN = 10000000

def testfunc(data):
    for _ in range(N_TEST_FUN):
        for i in data:
                i*i

def run(niter=10):
    data = [list(range(N_PARAM)) for _ in range(niter)]
    pool = Parallel(n_jobs=-1, verbose=1, pre_dispatch='all')
    results = pool(delayed(testfunc)(dd) for dd in data)

if __name__ == '__main__':
    run()

虽然此示例仅在 1 上运行：

from joblib import Parallel, delayed

N_PARAM = 10000
N_TEST_FUN = 10000000

def testfunc():
    for _ in range(N_TEST_FUN):
        for i in range(N_PARAM):
            i**2

def run(niter=10):
    pool = Parallel(n_jobs=-1, verbose=1, pre_dispatch="all")
    pool(testfunc() for _ in range(niter))

if __name__ == "__main__":
    run()

我完全不明白。这是为什么？

我是 Ubuntu 18.10，我使用来自 Anaconda 发行版的 joblib 0.13.2 和 python 3.6.8。

Answer 1

你可以在那里找到答案：

接受的答案解释得很好。

根据我的理解，您的第二个示例 pool(testfunc() for _ in range(niter)) returns 函数可以传递给多进程之前的结果。

joblib 的一个最小示例在所有 4 个内核上运行，另一个仅在一个内核上运行。使固定？

One minimal example of joblib runs on all 4 cores another only on one. Fix?

python

parallel-processing

multiprocessing

joblib