1樓：秦續業
可以使用 Mars 來並行 numpy。
Mars tensor 目前覆蓋了主流的 numpy 介面，API doc 可以參考：https://
docs.pymars.org/zh_CN/l
atest/tensor/routines.html
只要會用 numpy，就會用 mars tensor。
以蒙特卡洛求解 pi 為例。
numpy：
In [1]: import numpy as npIn [2]: %%timen = 4_0000_0000a = np.
random.uniform(-1, 1, size=(n, 2print((np.linalg.
norm(a, axis=1) < 1).sum() * 4 / n3.14166393
CPU times: user 20.9 s, sys: 11.8 s, total: 32.7 s
Wall time: 27.1 s
Mars tensor：
In [1]: import mars.tensor as mtIn [2]:
%%timen = 4_0000_0000a = mt.random.uniform(-1, 1, size=(n, 2print(((mt.
linalg.norm(a, axis=1) < 1).sum() * 4 / n).
execute3.14149706
CPU times: user 56.2 s, sys: 5.68 s, total: 1min 1s
Wall time: 6.58 s
這還只是在我筆記本上，通過 Mars 分布式，可以輕鬆擴充套件到分布式集群。部署參考：https://
docs.pymars.org/zh_CN/l
atest/install.html#run-on-clusters
。也就是幾個命令的事情。
docs.pymars.org/zh_CN/l
atest/kubernetes.html
Yarn 的支援也很快會有。
2樓：
自問自答。
因為我的程式中需要並行的是優化計算的evaluation部分，所以如果能夠找到一些支援並行優化的庫就可以。
從python官網上，可以找到乙個DEAP庫（git上有），利用map進行平行計算。
這個庫的優點是，documents和例子是非常詳細的。很多函式，使用者可以根據自己的需求修改，介面還是很好用的。
DEAP中是通過呼叫了乙個scoop庫（git上有）中的map函式來進行平行計算的。
如果你的專案不是優化，可以直接用scoop來做平行計算，scoop的documents也是蠻詳細的。
有沒有什麼問題是天生適合平行計算的？
肯定是有的比如說在網路中的廣播 broadcasting 每乙個網路中的節點都是乙個處理器，一條資訊從乙個處理器出發，依次傳輸給相鄰的處理器。所以最快的速度是以log N時間完成廣播。因為每次被廣播到處理器的數量翻倍。但如果是在序列計算中，廣播速度就是N時間了。 已登出 沒學過平行計算，說的不一定對...
有沒有可以計算帶引數矩陣的計算器？
scenery 帶CAS功能的可以，TI 89鈦或者 TI Nspire CAS啦。不過這種計算器個頭比較大，如果考試不允許很容易被監考老師禁止帶入。因為一眼看過去就 與眾不同 我曾經在大學線性代數考試中使用過TI 89 慶幸監考不懂CAS，允許我使用啦！ 電卓院亜紀良 計算帶引數的矩陣的計算器不僅...
有沒有能讓卡西歐科學計算器計算時間最長的式子？
Tris n 建議題主算一算有關副反應級數和分配係數的分析化學題。那種敲了一分鐘計算器，解了兩三分鐘然後出來無解的絕望感 所以我現在算分化一般都用近似或者迭代 orwell1984 高中用同桌大個子的計算器可以算積分，我覺得比我的老版卡西歐強多了，於是下課經常研究怎麼調教這個新奇的玩具。直到有一天我...