如何让 np.multiply 使用多个核心？

Question

标题已经说了。我目前正在并行化我的代码，主要瓶颈是由两个三维

ndarrays

的元素乘法造成的。我的系统监视器显示只有一个

40

可用核心用于该操作。

我知道并行化是有效的，因为其他

scipy.fft

和 BLAS 操作是并行运行的。

到目前为止，我还没有在 SO 或 GitHub 上真正找到任何有意义的问题/问题。有点令人困惑的是没有其他人遇到过这个问题。我是不是错过了什么？

我尝试使用 BLAS 环境变量并使用

dgbmv

和扁平化数组来实现所需的行为，但我还没有成功。一个最小的代码示例是（在我的案例中涉及更大的

k

、3d 数组和广播）：

import numpy as np
k = 1e6
x = np.random.rand(k)
y = np.random.rand(k)
z = np.multiply(x, y)

Answer 1

您可以尝试查看 numexpr ：https://pypi.org/project/numexpr/2.6.1/

这个库应该使用你所有的核心。

你可以这样使用它：

import numpy as np
import numexpr as ne

k = int(1e6)
x = np.random.rand(k)
y = np.random.rand(k)

z = ne.evaluate('x * y')

Answer 2

请遵循以下代码： 这个库应该使用你所有的核心。

你可以这样使用它：

将 numpy 导入为 np 将 numexpr 导入为 ne

x = np.random.rand(k) y = np.random.rand(k)

z = ne.evaluate('x * y')