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.修复

Question

我正在尝试在机器学习算法的实现中使用一些并行计算，使用joblib，尤其是此页面上使用的技术。以下示例是为了让我了解并行性，我遇到了与 ML 算法中的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。为什么？

我是 Ubuntu 18.10，我使用 Anaconda 发行版中的 joblib 0.13.2 和 python 3.6.8。

Answer 1

你可以在那里找到答案：
什么做延迟函数做当使用与 joblib-in-python
接受的答案得到了很好的解释。

根据我的理解，您的第二个示例pool(testfunc() for _ in range(niter))在函数传递给多进程之前返回结果。