спасибо @Raja за это - это имеет гораздо больше смысла. Теперь для меня, чтобы узнать, как реализовать использование Pycuda или Gnumpy, чтобы также выполнить некоторую работу в анализе

аюсь разделить следующий код, чтобы учесть многопроцессорность в python, и это действительно становится для меня досадной задачей - я новичок в многопроцессорности и прочитал документацию и столько примеров, сколько смог найти, но все еще не нашел решения он будет работать на всех ядрах процессора одновременно.

Я хотел бы разбить итерируемые на четверти и сделать так, чтобы тест вычислялся параллельно.

Мой пример одного потока:

import itertools as it
import numpy as np

wmod = np.array([[0,1,2],[3,4,5],[6,7,3]])
pmod = np.array([[0,1,2],[3,4,5],[6,7,3]])

plines1 = it.product(wmod[0],wmod[1],wmod[2])
plines2 = it.product(pmod[0],pmod[1],pmod[2])

check = .915
result = []

for count, (A,B) in enumerate(zip(plines1,plines2)):
    pass

    test = (sum(B)+10)/(sum(A)+12)
    if test > check:
        result = np.append(result,[A,B])
print('results: ',result)

Я понимаю, что это очень маленький пример пары матриц 3х3, но я хотел бы применить его к паре матриц большего размера, для вычисления которых требуется около часа. Я ценю любой совет, данный.

Ответы на вопрос(1)

Ваш ответ на вопрос