在类中使用emcee库中的多处理

Question

我尝试使用主持人库来实现类内的Monte马尔可夫链，并使多处理模块工作，但在运行了这样的测试代码之后：

import numpy as np
import emcee
import scipy.optimize as op
# Choose the "true" parameters.
m_true = -0.9594
b_true = 4.294
f_true = 0.534

# Generate some synthetic data from the model.
N = 50
x = np.sort(10*np.random.rand(N))
yerr = 0.1+0.5*np.random.rand(N)
y = m_true*x+b_true
y += np.abs(f_true*y) * np.random.randn(N)
y += yerr * np.random.randn(N)

class modelfit():
      def  __init__(self):
          self.x=x
          self.y=y
          self.yerr=yerr
          self.m=-0.6
          self.b=2.0
          self.f=0.9
      def get_results(self):
          def func(a):
              model=a[0]*self.x+a[1]
              inv_sigma2 = 1.0/(self.yerr**2 + model**2*np.exp(2*a[2]))
              return 0.5*(np.sum((self.y-model)**2*inv_sigma2 + np.log(inv_sigma2)))
          result = op.minimize(func, [self.m, self.b, np.log(self.f)],options={'gtol': 1e-6, 'disp': True})
          m_ml, b_ml, lnf_ml = result["x"]
          return result["x"]
      def lnprior(self,theta):
          m, b, lnf = theta
          if -5.0 < m < 0.5 and 0.0 < b < 10.0 and -10.0 < lnf < 1.0:
             return 0.0
          return -np.inf
      def lnprob(self,theta):
          lp = self.lnprior(theta)
          likelihood=self.lnlike(theta)
          if not np.isfinite(lp):
             return -np.inf
          return lp + likelihood
      def lnlike(self,theta):
          m, b, lnf = theta
          model = m * self.x + b
          inv_sigma2 = 1.0/(self.yerr**2 + model**2*np.exp(2*lnf))
          return -0.5*(np.sum((self.y-model)**2*inv_sigma2 - np.log(inv_sigma2)))
      def run_mcmc(self,nstep):
          ndim, nwalkers = 3, 100
          pos = [self.get_results() + 1e-4*np.random.randn(ndim) for i in range(nwalkers)]
          self.sampler = emcee.EnsembleSampler(nwalkers, ndim, self.lnprob,threads=10)
          self.sampler.run_mcmc(pos, nstep)
test=modelfit()
test.x=x
test.y=y
test.yerr=yerr
test.get_results()
test.run_mcmc(5000)

我收到了一条错误消息：

File "MCMC_model.py", line 157, in run_mcmc
    self.sampler.run_mcmc(theta0, nstep)
  File "build/bdist.linux-x86_64/egg/emcee/sampler.py", line 157, in run_mcmc
  File "build/bdist.linux-x86_64/egg/emcee/ensemble.py", line 198, in sample
  File "build/bdist.linux-x86_64/egg/emcee/ensemble.py", line 382, in _get_lnprob
  File "build/bdist.linux-x86_64/egg/emcee/interruptible_pool.py", line 94, in map
  File "/vol/aibn84/data2/zahra/anaconda/lib/python2.7/multiprocessing/pool.py", line 558, in get
    raise self._value
cPickle.PicklingError: Can't pickle <type 'instancemethod'>: attribute lookup __builtin__.instancemethod failed

我认为这与我如何在类中使用有关，但我不知道如何保持类的结构不变，同时又如何使用多处理？！！

如有任何建议，我将不胜感激。

我必须提到，如果从最后一个函数中删除threads=10，代码就能很好地工作。

Answer 1

有许多这样的问题可以讨论到底发生了什么：

1. https://stackoverflow.com/a/21345273/2379433
2. https://stackoverflow.com/a/28887474/2379433
3. https://stackoverflow.com/a/21345308/2379433
4. https://stackoverflow.com/a/29129084/2379433

…包括这个，这似乎是你的回应，…对于几乎相同的问题：

1. https://stackoverflow.com/a/25388586/2379433

但是，这里的不同之处在于，您不是直接使用multiprocessing，而是使用emcee。因此，pathos.multiprocessing解决方案(来自上述链接)对您不可用。由于emcee使用cPickle，所以您必须坚持pickle知道如何序列化的东西。在类实例方面，您运气不佳。典型的解决方法是要么使用copy_reg注册要序列化的对象的类型，要么添加一个__reduce__方法来告诉python如何序列化它。您可以从上面的链接中看到几个类似的问题--…但是，没有一种方法能让你保持全班的写作方式。

Answer 2

对于记录，您现在可以创建一个pathos.multiprocessing池，并使用pool参数将其传递给emcee。然而，请注意，多处理的开销实际上可以减缓事情的速度，除非您的可能性特别耗时计算。