当前位置:首页 > 文章列表 > Golang > Go问答 > 向量化利用并发性的函数

向量化利用并发性的函数

来源:Golang技术栈 2023-04-17 06:34:37 0浏览 收藏

本篇文章主要是结合我之前面试的各种经历和实战开发中遇到的问题解决经验整理的,希望这篇《向量化利用并发性的函数》对你有很大帮助!欢迎收藏,分享给更多的需要的朋友学习~

问题内容

对于一个简单的神经网络,我想将一个函数应用于 gonum 的所有值VecDense。

Gonum 有一种Apply用于密集矩阵的方法,但不适用于向量,所以我手动执行此操作:

func sigmoid(z float64) float64 {                                           
    return 1.0 / (1.0 + math.Exp(-z))
}

func vSigmoid(zs *mat.VecDense) {
    for i := 0; i 

这似乎是并发执行的一个明显目标,所以我尝试了

var wg sync.WaitGroup

func sigmoid(z float64) float64 {                                           
    wg.Done()
    return 1.0 / (1.0 + math.Exp(-z))
}

func vSigmoid(zs *mat.VecDense) {
    for i := 0; i 

这不起作用,也许并不意外,因为Sigmoid()它不以 结尾wg.Done(),因为 return 语句(完成所有工作)在它之后。

我的问题是:如何使用并发将函数应用于 gonum 向量的每个元素?

正确答案

首先请注意,这种并发计算的尝试假设SetVec()和AtVec()方法对于具有不同索引的并发使用是安全的。如果不是这种情况,则尝试的解决方案本质上是不安全的,并且可能导致数据竞争和未定义的行为。


wg.Done()应该调用它来表示“worker” goroutine 完成了它的工作。但 只有 当 goroutine 完成它的工作时。

在您的情况下,它不是(仅)sigmoid()在工作程序 goroutine 中运行的函数,而是zs.SetVec(). 所以你应该wg.Done()在zs.SetVec()返回时调用,而不是更早。

一种方法是将 a 添加wg.Done()到方法的末尾SetVec()(它也可能是defer wg.Done()在其开头),但是引入这种依赖是不可行的(SetVec()不应该知道任何等待组和 goroutine,这将严重限制它的可用性)。

在这种情况下,最简单和最干净的方法是启动一个匿名函数(函数文字)作为工作 goroutine,您可以在其中调用zs.SetVec(),并且wg.Defer()一旦上述函数返回,您就可以在其中调用。

像这样的东西:

for i := 0; i 

但仅此一项是 行不通 的,因为函数文字(闭包)指的是同时修改的循环变量,所以函数文字应该使用它自己的副本,例如:

for i := 0; i 

另请注意,goroutines(尽管可能是轻量级的)确实有开销。如果他们所做的工作是“小”的,那么开销可能会超过使用多个内核/线程的性能增益,总体而言,您可能无法通过并发执行这些小任务来获得性能(地狱,您甚至可能比不使用 goroutine 做得更糟) . 措施。

此外,您正在使用 goroutine 做最少的工作,您可以通过在完成“微小”工作后不“丢弃” goroutine 来提高性能,但您可以“重用”它们。请参阅相关问题:[这是 Go 中惯用的工作线程池吗?](https://stackoverflow.com/questions/38170852/is-this-an- idiomatic-worker-thread-pool-in-go/38172204#38172204)

理论要掌握,实操不能落!以上关于《向量化利用并发性的函数》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!

版本声明
本文转载于:Golang技术栈 如有侵犯,请联系study_golang@163.com删除
为什么我用 openssl 和 golang 生成的 RSA 签名不同?为什么我用 openssl 和 golang 生成的 RSA 签名不同?
上一篇
为什么我用 openssl 和 golang 生成的 RSA 签名不同?
如何在 Go 二进制文件中捆绑 SQLite 数据库?
下一篇
如何在 Go 二进制文件中捆绑 SQLite 数据库?
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    262次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    308次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    289次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    266次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    79次使用