معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Simple interface for numpy arrays in multiprocessing contexts.

ویژگی	مقدار
سیستم عامل	-
نام فایل	contextshare-0.1.1
نام	contextshare
نسخه کتابخانه	0.1.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Guido Falk von Rudorff
ایمیل نویسنده	guido@vonrudorff.de
آدرس صفحه اصلی	https://github.com/ferchault/contextshare
آدرس اینترنتی	https://pypi.org/project/contextshare/
مجوز	MIT license

contextshare ============ Simple context manager to share numpy arrays in python multiprocessing. Installation on **Python >= 3.8**: ``` pip install contextshare ``` Example ------- The following code example is complete and compares a `serial()` implementation with the `parallel()` version thereof implemented with `contextshare`. ```python #!/usr/bin/env python import contextshare as shared import numpy as np def serial(sigmas): alphas = [] for sigma in sigmas: K = np.exp(-0.5 * D / (sigma * sigma)) alphas.append(np.linalg.solve(K, b)) return alphas def parallel(sigmas): with shared.SharedMemory({"D": D, "b": b}, nworkers=11) as sm: @sm.register def one_sigma(sigma): K = np.exp(-0.5 * D / (sigma * sigma)) return np.linalg.solve(K, b) for sigma in sigmas: one_sigma(sigma) return sm.evaluate(progress=True) if __name__ == "__main__": N = 2000 D = np.random.random((N, N)) b = np.random.random(N) sigmas = 2.0 ** np.arange(1, 12) s = serial(sigmas) p = parallel(sigmas) ``` Documentation ------------- The context manager `shared.SharedMemory` takes two arguments: the dictionary of numpy arrays to make available on all parallel workers and the number of workers to create. ```python # makes variables D and b available under the same name on 11 workers with shared.SharedMemory({"D": D, "b": b}, nworkers=11) as sm: ``` The workers are spawned upon entering the context and are stopped upon exiting. Shared memory references are cleaned up automatically. Note that only numpy arrays are supported for sharing. Other arguments should be placed in the arguments of the function below. The function to call (i.e. the body of the serial for loop) needs to be placed in a function and either decorated or called explicitly: ```python # decorator @sm.register def one_sigma(sigma): pass # or, equivalently, an explicit call sm.register(one_sigma) ``` Calling this decorated function returns immediately and enqueues a function call. Calling ```python sm.evaluate(progress=True) ``` starts the calculations and returns the results in order. With `progress=True` a progress bar is shown, default is to be silent. Credits ------- This package was created with [Cookiecutter](https://github.com/audreyr/cookiecutter) using the [audreyr/cookiecutter-pypackage](https://github.com/audreyr/cookiecutter-pypackage)` template. ======= History ======= 0.1.0 (2021-02-23) ------------------ * First release on PyPI.

زبان مورد نیاز

مقدار	نام
>=3.8	Python

نحوه نصب

نصب پکیج whl contextshare-0.1.1:

pip install contextshare-0.1.1.whl

نصب پکیج tar.gz contextshare-0.1.1:

pip install contextshare-0.1.1.tar.gz