Jupyter 笔记本永远不会使用多处理完成处理（Python 3）

Question

Jupyter 笔记本

我基本上使用的是多处理模块，我仍在学习多处理的功能。我正在使用达斯蒂·菲利普斯的书，这个代码属于它。

import multiprocessing  
import random
from multiprocessing.pool import Pool

def prime_factor(value):
    factors = []
    for divisor in range(2, value-1):
        quotient, remainder = divmod(value, divisor)
        if not remainder:
            factors.extend(prime_factor(divisor))
            factors.extend(prime_factor(quotient))
            break
        else:
            factors = [value]
    return factors

if __name__ == '__main__':
    pool = Pool()
    to_factor = [ random.randint(100000, 50000000) for i in range(20)]
    results = pool.map(prime_factor, to_factor)
    for value, factors in zip(to_factor, results):
        print("The factors of {} are {}".format(value, factors))

在 Windows PowerShell（不是在 jupyter 笔记本上）我看到以下内容

Process SpawnPoolWorker-5:
Process SpawnPoolWorker-1:
AttributeError: Can't get attribute 'prime_factor' on <module '__main__' (built-in)>

我不知道为什么单元格永远不会结束运行？

Answer 1

Jupyter Notebook 和不同 IDE 中的问题似乎是设计特性。因此，我们必须将函数（prime_factor）写入不同的文件并导入模块。此外，我们还必须注意调整。例如，就我而言，我已将函数编码到名为 defs.py 的文件中

def prime_factor(value):
    factors = []
    for divisor in range(2, value-1):
        quotient, remainder = divmod(value, divisor)
        if not remainder:
            factors.extend(prime_factor(divisor))
            factors.extend(prime_factor(quotient))
            break
        else:
            factors = [value]
    return factors

然后在jupyter笔记本中我写了以下几行

import multiprocessing  
import random
from multiprocessing import Pool
import defs



if __name__ == '__main__':
    pool = Pool()
    to_factor = [ random.randint(100000, 50000000) for i in range(20)]
    results = pool.map(defs.prime_factor, to_factor)
    for value, factors in zip(to_factor, results):
        print("The factors of {} are {}".format(value, factors))

这解决了我的问题

Answer 2

执行函数无需手动将其写入单独的文件：

我们可以动态地将要处理的任务写入临时文件中，导入并执行函数。

from multiprocessing import Pool
from functools import partial
import inspect

def parallel_task(func, iterable, *params):
    
    with open(f'./tmp_func.py', 'w') as file:
        file.write(inspect.getsource(func).replace(func.__name__, "task"))
        
    from tmp_func import task

    if __name__ == '__main__':
        func = partial(task, params)
        pool = Pool(processes=8)
        res = pool.map(func, iterable)
        pool.close()
        return res
    else:
        raise "Not in Jupyter Notebook"

然后我们可以像这样在笔记本单元中简单地调用它：

def long_running_task(params, id):
    # Heavy job here
    return params, id

data_list = range(8)

for res in parallel_task(long_running_task, data_list, "a", 1, "b"):
    print(res) 

输出：

('a', 1, 'b') 0
('a', 1, 'b') 1
('a', 1, 'b') 2
('a', 1, 'b') 3
('a', 1, 'b') 4
('a', 1, 'b') 5
('a', 1, 'b') 6
('a', 1, 'b') 7

注意：如果您使用的是 Anaconda，并且想要查看繁重任务的进度，则可以在

print()

内使用

long_running_task()

。打印的内容将显示在 Anaconda Prompt 控制台中。

Answer 3

严格来说，即使添加了

if __name__="__main__"

，Windows Jupyter Notebook 也不支持 Python 多处理。

Windows 10 中的一种解决方法是将 Windows 浏览器与 WSL 中的 Jupyter 服务器连接。

您可以获得与Linux相同的体验。

您可以手动设置或参考https://github.com/mszhanyi/gemini

中的脚本

Answer 4

另一个选择：使用 dask，它与 Jupyter 配合得很好。即使您不需要任何 dask 特殊数据结构，您也可以简单地使用它来控制多个进程。

Answer 5

为了处理让多进程在 Jupyter 会话中正常运行的许多怪癖，我创建了一个库

mpify

，它允许一次性执行多进程函数，并使用简单的 API 将内容从笔记本传递到子进程。

Jupyter shell进程本身可以作为工作进程参与。 用户可以选择收集所有工作人员的结果，或仅收集其中一名工作人员的结果。

这是：

https://github.com/philtrade/mpify

在底层，它使用

multiprocess

—— 来自标准 python

multiprocessing

库的一个积极支持的分支 —— 允许在子进程中访问笔记本中本地定义的变量/函数。 它还使用

spawn

启动方法，如果子进程要使用多个 GPU（这是一个越来越常见的用例），则该方法是必需的。 它使用

Process()

而不是

Pool()

，来自

multiprocess

API。

用户可以提供自定义上下文管理器来获取资源，设置/拆除函数执行周围的执行环境。 我提供了一个示例上下文管理器来支持 PyTorch 的分布式数据并行 (DDP) 设置，以及更多有关如何使用 DDP 在多个 GPU 上的 Jupyter 中训练

fastai v2

的示例。

欢迎分享错误报告、PR、用例。

绝不是一个花哨/强大的库，

mpify

仅打算支持单主机/多进程类型的分布式设置，并且只是生成-执行-终止。它也不支持持久进程池和花哨的任务调度——

ipyparallel

或

dask

已经做到了。

我希望它对那些正在努力使用 Jupyter + 多处理以及多 GPU 的人们有用。 谢谢。

Answer 6

只需将文件另存为 .py 然后使用 jupyter 终端 -> 进入你的 name.py 目录 -> python name.py 它适用于所有多处理情况