strided numpy array 是否在多个进程之间共享？

Question

让我们假设我们创建了一个 numpy 数组，并使用跨步技巧在另一个数组上查看：

import numpy as np
from numpy.lib import stride_tricks
x = np.arange(20).reshape([4, 5])
arr = stride_tricks.as_strided(x, shape=(3, 2, 5),strides=(20, 20, 4))

我们可以确认这个新数组确实是一个视图：

assert not arr.flags['OWNDATA']
# True

问题：

如果我将 arr 作为参数传递给 multiprocessing.Process()，arr 是否会被复制到每个进程中？ x 会被复制吗？请解释原因。

Answer 1

如果共享是通过 pickle 序列化，那么显然 view（如何生成）将产生一个副本：

In [298]: x = np.arange(10)
In [299]: y = x.reshape(2,5)
In [300]: import pickle
In [301]: B = pickle.dumps(y)
In [302]: Y = pickle.loads(B)
In [303]: Y
Out[303]: 
array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])
In [304]: y.__array_interface__['data']
Out[304]: (43176224, False)
In [305]: x.__array_interface__['data']
Out[305]: (43176224, False)
In [306]: Y.__array_interface__['data']
Out[306]: (59035584, False)

numpy 数组的 pickle 实际上是由 np.save 执行的。

通过x并在每个进程中制作视图可能会更好。

strided numpy array 是否在多个进程之间共享？

Is strided numpy array shared across multiple processes?

python

arrays

numpy

multiprocessing

stride