Как многопрофессиональный для петли на питоне, где каждый расчет независим? ⇐ Python

[Anonymous]

Я пытаюсь узнать что-то новое в каждом мини-проекте, которое я делаю. Я сделал игру жизни (https://en.wikipedia.org/wiki/conway%27S_GAME_OF_LIFE). Чтобы развивать состояние игры, вы должны вычислить для каждой ячейки сумму всех значений его соседей (8 соседей).
Соответствующий класс в моем коде заключается в следующем, где Evolve () принимает один из методов xxx_method . Он отлично работает для conv_method и loop_method , но я хочу использовать многопроцесс (которую я идентифицировал, должен работать, в отличие от многопоточного чтения?) На LOOP_Method , чтобы увидеть какое -либо повышение производительности. Я чувствую, что это должно работать, так как каждый расчет является независимым. Я попробовал наивный подход, но не очень хорошо понимаю многопроцессный модуль. Могу ли я также использовать его в методе evolve () , так как я снова чувствую, что каждый расчет в двойных циклах является независимым. Что нужно сделать с кодом, чтобы заставить его работать? < /P>
class GoL:
""" Game Engine """
def __init__(self, size):
self.size = size
self.grid = Grid(size) # Grid is another class ive defined

def evolve(self, neigbour_sum_func):
new_grid = np.zeros_like(self.grid.cells) # start with everything dead, only need to test for keeping/turning alive
neighbour_sum_array = neigbour_sum_func()
for i in range(self.size):
for j in range(self.size):
cell_sum = neighbour_sum_array[i,j]
if self.grid.cells[i,j]: # already alive
if cell_sum == 2 or cell_sum == 3:
new_grid[i,j] = 1
else: # test for dead coming alive
if cell_sum == 3:
new_grid[i,j] = 1

self.grid.cells = new_grid

def conv_method(self):
""" Uses 2D convolution across the entire grid to work out the neighbour sum at each cell """
kernel = np.array([
[1,1,1],
[1,0,1],
[1,1,1]],
dtype=int)
neighbour_sum_grid = correlate2d(self.grid.cells, kernel, mode='same')
return neighbour_sum_grid

def loop_method(self, partition=None):
""" Also works out neighbour sum for each cell, using a more naive loop method """
if partition is None:
cells = self.grid.cells # no multithreading, just work on entire grid
else:
cells = partition # just work on a set section of the grid

neighbour_sum_grid = np.zeros_like(cells) # copy
for i, row in enumerate(cells):
for j, cell_val in enumerate(row):
neighbours = cells[i-1:i+2, j-1:j+2]
neighbour_sum = np.sum(neighbours) - cell_val
neighbour_sum_grid[i,j] = neighbour_sum
return neighbour_sum_grid

def multi_loop_method(self):
cores = cpu_count()
procs = []
slices = []
if cores == 2: # for my VM, need to implement generalised method for more cores
half_grid_point = int(SQUARES / 2)
slices.append(self.grid.cells[0:half_grid_point])
slices.append(self.grid.cells[half_grid_point:])
else:
Exception

for sl in slices:
proc = Process(target=self.loop_method, args=(sl,))
proc.start()
procs.append(proc)

for proc in procs:
proc.join()


Подробнее здесь: https://stackoverflow.com/questions/603 ... ndependent