当运行循环使用 prange from numba 对其进行并行化时，元素是否以相同的顺序附加？

Question

我正在使用 numba prange 来尝试并行化以下函数：

@njit(parallel=True)
def contrast_16bit(video):

    n = video.shape[0]

    #New max value
    high = 65535
    video16 = []

    for i in prange(n):
        data = video[i,:,:]
        
        #Old max and min
        vmin = np.min(data)
        vmax = np.max(data)
        #Scale factor
        scale = high/(vmax-vmin)
        
        #Scale data
        data = data - vmin
        data = scale * data
        #Append data
        video16.append(data)

我的问题是，当循环使用 prange 时，当每个数据附加到 video16 列表时，它是否保持与原始数组中相同的顺序？

因此首先附加视频中的第一个数组，依此类推。

谢谢！

Answer 1

至于你问的字面问题 - 不知道，老实说，如果不深入研究实现就很难知道，所以老实说，我害怕依赖这个并行操作的顺序。

但是，您可以通过分配一个数组来回避整个问题：video16 = np.empty(n, dtype=float)，然后在最后一步设置 video16[i] = data！这样更安全也更容易理解。

Answer 2

使用 prange 时，您应该始终期待随机评估顺序。这可以很容易地检查：

@nb.njit(parallel=True)
def order():
    for value in nb.prange(5):
        print(value)

此外，如果您关心效率，请避免在事先知道最终大小的情况下使用不断增长的数据结构，因此请遵循@Perfi 的建议，预先分配数组并将每个循环结果插入其已知位置。

当运行循环使用 prange from numba 对其进行并行化时，元素是否以相同的顺序附加？

When running a loop using prange from numba to parallelize it, are elements appended in the same order?

python

parallel-processing

loops

numpy

numba

当 运行 循环使用 prange from numba 对其进行并行化时，元素是否以相同的顺序附加？

When running a loop using prange from numba to parallelize it, are elements appended in the same order?

python

parallel-processing

loops

numpy

numba

当运行循环使用 prange from numba 对其进行并行化时，元素是否以相同的顺序附加？