Python多处理池映射：AttributeError：无法腌制本地对象

Question

我在一个类中有一个方法，该方法需要循环执行大量工作，我想将工作分散到我的所有核心上。

我编写了以下代码，如果我使用normal map，则可以使用，但是pool.map返回错误。

import multiprocessing
pool = multiprocessing.Pool(multiprocessing.cpu_count() - 1)

class OtherClass:
  def run(sentence, graph):
    return False

class SomeClass:
  def __init__(self):
    self.sentences = [["Some string"]]
    self.graphs = ["string"]

  def some_method(self):
      other = OtherClass()

      def single(params):
          sentences, graph = params
          return [other.run(sentence, graph) for sentence in sentences]

      return list(pool.map(single, zip(self.sentences, self.graphs)))


SomeClass().some_method()

错误：

AttributeError：无法腌制本地对象“ SomeClass.some_method..single”

为什么不能泡菜single？我什至尝试移动single到全局模块范围（不在类内部-使其独立于上下文）：

import multiprocessing
pool = multiprocessing.Pool(multiprocessing.cpu_count() - 1)

class OtherClass:
  def run(sentence, graph):
    return False


def single(params):
    other = OtherClass()
    sentences, graph = params
    return [other.run(sentence, graph) for sentence in sentences]

class SomeClass:
  def __init__(self):
    self.sentences = [["Some string"]]
    self.graphs = ["string"]

  def some_method(self):
      return list(pool.map(single, zip(self.sentences, self.graphs)))


SomeClass().some_method()

我收到以下错误：

AttributeError：无法从’… / test.py’获取模块’ main ‘上的属性’single ‘

Answer 1

AttributeError：无法腌制本地对象“ SomeClass.some_method..single”

您可以通过将嵌套的目标函数single()移到顶层来自己解决此错误。

背景：

Pool需要对其发送到其工作进程（IPC）的所有内容进行腌制（序列化）。酸洗实际上仅保存函数的名称，而酸洗则需要按名称重新导入该函数。为此，必须在顶层定义函数，子级将不能导入嵌套函数，并且已经尝试将其腌制会引发异常。

错误2：

AttributeError：无法从“ … / test.py”获取模块“ main”上的属性“ single”

您 在 定义函数和类 之前
先启动池，这样子进程就不能继承任何代码。将您的池启动到最底部并用以下方法保护（为什么？）if __name__ == '__main__':

import multiprocessing

class OtherClass:
  def run(self, sentence, graph):
    return False


def single(params):
    other = OtherClass()
    sentences, graph = params
    return [other.run(sentence, graph) for sentence in sentences]

class SomeClass:
   def __init__(self):
       self.sentences = [["Some string"]]
       self.graphs = ["string"]

   def some_method(self):
      return list(pool.map(single, zip(self.sentences, self.graphs)))

if __name__ == '__main__':  # <- prevent RuntimeError for 'spawn'
    # and 'forkserver' start_methods
    with multiprocessing.Pool(multiprocessing.cpu_count() - 1) as pool:
        print(SomeClass().some_method())

附录

…我希望将工作分散到我的所有核心。

有关multiprocessing.Pool分块工作方式的潜在帮助背景：

Python多处理：了解块大小背后的逻辑