并行蒙特卡罗树搜索
并行蒙特卡罗树搜索
提问于 2019-04-08 18:07:45
我有一个蒙特卡洛树搜索实现，我需要优化。因此，我考虑了并行化的推出阶段。怎么做？(是否有代码示例)。有您推荐的python模块等吗？
如果这个地方不适合发这个，我很抱歉。
回答 1
Stack Overflow用户
回答已采纳
发布于 2022-04-17 13:15:12
你没有给出演示代码，所以很难完全解决你的问题
class MCTS:
....
def _run_search(self):
...
for node in nodes:
node.reward = self._rollout(node) # rollout
...使用multiprocessing，您可以：
from multiprocessing import Pool
class MCTS:
....
def _run_search(self):
...
with Pool(os.cpu_count()-2) as p:
result = p.map(self._rollout, nodes)
# for node in nodes:
# node.reward = self._rollout(node) # rollout
...所以如果你能给出一个演示代码，问题就会更清楚。
顺便说一句，您可以将for loop替换为multiprocessing，如下所示：
我们看到了这种情况: for循环
# inp
data = [1,2,3,4,5]
def f(x):
return x**2
# processing (for loop)
result = []
for i in data:
result.append(f(i))
# out
print(result) # [1,4,9,16,25]方法0:多处理(您想要的)
# inp
data = [1,2,3,4,5]
def f(x):
return x**2
# processing (multiprocessing)
with Pool(os.cpu_count()-2) as p:
result = p.map(f, data)
# out
print(result) # [1,4,9,16,25]方法2:清单理解
# inp
data = [1,2,3,4,5]
def f(x):
return x**2
# processing (list comprehension)
result = [f(i) for i in data]
# out
print(result) # [1,4,9,16,25]方法3: map + lambda表达式
# inp
data = [1,2,3,4,5]
def f(x):
return x**2
# processing (lambda + map)
result = map(lambda x: f(x), data)
# out
print(result) # [1,4,9,16,25]- 用于循环
- 多处理
- 列表理解
- map + lambda表达式
如你所见，for loop，multiprocessing，list comprehensive，map+lambda是一件事的四种方式。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/55579331
复制相关文章
相似问题
腾讯云开发者
