在多个核心上执行向量化函数

Question

我有一个函数 f(x,y)，我用 numpy.vectorize 命令把它变成了可以处理数组的形式。我为 x 和 y 创建了一些网格值，想要对这些值进行函数计算。我的程序是这样的：

from numpy import vectorize,meshgrid, linspace

@vectorize
def f(x,y):
    pass

x = linspace(0,10)
y = linspace(0,10)
X, Y = meshgrid(x, y)
Z = f(X,Y)

当我在评估时间查看系统监视器（比如在 Ubuntu 上用 htop）时，我发现只有一个核心在工作。有什么方法可以让我的计算更高效，充分利用系统资源呢？

Answer 1

使用 numpy.vectorize 通常不是个好主意。它并不能让你的代码同时在多个处理器上运行，实际上，它的性能也不太好，这主要是因为它的工作方式（具体可以在文档中找到说明）。所以，你需要考虑让你的 f(x,y) 函数在内部实现向量化，或者用 C、C++、Fortran 等语言来实现它。

如果你想在 Python 中真正利用多个核心，最好的选择是，如果你的函数是用 C 实现的，可以使用 threading 模块；如果你想运行原生的 Python 代码（包括 NumPy），那么可以使用 multiprocessing 模块。