如何使用comm.Scatterv在python中分散numpy数组
我正准备编写一个基于MPI的代码，以便使用python和MPI4py进行一些计算。但是，按照该示例，我无法将一个numpy向量散布到核心中。这是代码和错误，有人可以帮助我吗？谢谢。
import numpy as np
from mpi4py import MPI
comm = MPI.COMM_WORLD
size = comm.Get_size()
rank = comm.Get_rank()
n = 6
if rank == 0:
d1 = np.arange(1, n+1)
split = np.array_split(d1, size)
split_size = [len(split[i]) for i in range(len(split))]
split_disp = np.insert(np.cumsum(split_size), 0, 0)[0:-1]
else:
#Create variables on other cores
d1 = None
split = None
split_size = None
split_disp = None
split_size = comm.bcast(split_size, root = 0)
split_disp = comm.bcast(split_disp, root = 0)
d1_local = np.zeros(split_size[rank])
comm.Scatterv([d1, split_size, split_disp, MPI.DOUBLE], d1_local, root=0)
print('rank ', rank, ': ', d1_local)
错误结果是：
rank 2 : [ 2.47032823e-323]
rank 3 : [ 2.96439388e-323]
rank 0 : [ 4.94065646e-324 9.88131292e-324]
rank 1 : [ 1.48219694e-323 1.97626258e-323]
谢谢。
问题答案：
-
来源：谷歌面试问题 编写一个例程，以确保输入中的相同元素在输出中的分布最大？ 基本上，我们需要以这样一种方式放置相同的元素，使总传播尽可能最大化。 示例： 我一点也不确定，是否有一个最佳多项式时间算法可用于此。此外，除此之外，没有为问题提供其他细节。 我的想法是，计算输入中每个元素的频率，然后将它们排列在输出中，每次排列每个不同的元素，直到所有频率都用完。 我不确定我的方法。 任何方法/想法的人。
-
问题内容： 有没有更有效的方法来对预先指定的bin中的数组取平均值？例如，我有一个数字数组以及一个与该数组中bin的开始和结束位置相对应的数组，我只想取这些bin中的均值？我下面有执行此操作的代码，但我想知道如何减少和改进它。谢谢。 问题答案： 它可能更快更容易使用： 替代方法是使用： 自己尝试哪个更快… :)
-
问题内容： 我在设置值的Keras后端功能上遇到麻烦。我正在尝试将模型从PyTorch转换为Keras，并尝试设置Keras模型的权重，但是权重似乎没有被设置。注意：我实际上并没有使用np.ones进行设置，仅以示例为例。 我试过了… 加载现有模型 创建一个简单的模型 然后使用set_weights或set_value 要么… 之后，我将调用以下任一方法： 而且似乎没有设置任何权重。返回与以前相同
-
问题内容： 可以散列吗？ 例如，我知道元组的散列是可能的： 但是可以对a进行哈希处理吗？ 可能的解决方案： 这里是对列表哈希的非常深入的解释。 问题答案： 就试一试吧： 所以，你可以得到的，并因为是不可变的，你不能做到这一点，并因为他们是可变的。
-
本文向大家介绍Python如何实现大型数组运算（使用NumPy），包括了Python如何实现大型数组运算（使用NumPy）的使用技巧和注意事项，需要的朋友参考一下 问题 你需要在大数据集(比如数组或网格)上面执行计算。 解决方案 涉及到数组的重量级运算操作，可以使用NumPy库。NumPy的一个主要特征是它会给Python提供一个数组对象，相比标准的Python列表而已更适合用来做数学运算。下面是
-
问题内容： 我尝试在Python中导入NumPy，但未成功： 我怎样才能解决这个问题？ 问题答案： 信息是不言自明的；调用Python时，您的工作目录不应是NumPy源目录；应该安装NumPy，并且您的工作目录应该是该目录所在的目录。