Python关于进程 进程之间的通讯 进程池的相关笔记

本文深入探讨了进程的概念,包括程序运行、时间片轮转、并发与并行的基础知识。详细讲解了如何使用Python的multiprocessing模块创建进程,无论是面向过程还是面向对象的方式。此外,还介绍了进程池的创建与应用,以及进程间通过Queue进行通信的方法。

进程概念
程序的一次运行(正在执行的程序)
时间片轮转(程序之间切换时间)
并发/并行(进程数与CPU的核数)
创建进程
面向过程
引入模块(multiprocessing(Process))
声明函数(子进程执行体(参数可有可无))
判断测试函数(如果在本部调用则执行:if name"mian")
实例化(需要调用启动方法(.start()))
面向对象
引入模块(multiprocessing(Process))
声明一个类(继承Process模块):
初始化(继承init)
声明函数run(子进程执行体且不能改名)
判断测试函数(如果在本部调用则执行:if name
"mian")
实例化(需要调用启动方法(.start()))
创建进程池
引入模块(multiprocessing(Pool))
声明函数(进程执行体)
判断测试函数(如果在本部调用则执行:if name"mian")
for 循环创建多个进程
实例化Pool(shli=Pool(3))
同步(shili.apply(函数名,(i+1,))):参数去掉默认名
异步(shili.apply_async(函数名,(i+1,))):参数去掉默认名
调用.close方法
调用.join方法
进程之间的通讯
引入模块(multiprocessing(Process,Queue))
声明函数(创建不同功能的进程执行体(Queue模块))
判断测试函数(如果在本部调用则执行:if name
"mian")
实例化Queue(里面参数为传送的限度,没有参数代表没有限度)
实例化Process(需调用启动方法)

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值