parallel-processing

    0

    1答えて

    私は並列処理を使用して、Rで多くのブーストされた回帰木を高速化しようとしています。私はBiocParallelパッケージ(http://lcolladotor.github.io/2016/03/07/BiocParallel/#.WiqF7bQ-e3c)を使用しています。いくつかのダミーデータを作成してから、2つのBRTモデルを実行する関数を設定しました。これはSerialで、次にParalle

    -2

    1答えて

    1Dアレイを並列に合計するためにAMPIをコード化しようとしています。しかし、セグメンテーションフォルトが発生しています(コアダンプされています)。 私は何度も自分の機能を修正しようとしましたが、どこでエラーが発生したか、または修正する方法が見つかりませんでした。私はあなたのコードを実行したとき /* File: mpi_sum.c * Compile as: mpicc -g -Wall -s

    0

    1答えて

    特定の列の値に応じて、異なるファイルに書きたい大規模なデータフレームがあります。 最初の関数は、キーが書き出すファイルであり、値は元のデータフレームのサブセットであるnumpy配列です。 def write_in_parallel(inputDict): for key,value in inputDict.items(): df = pd.DataFrame(value)

    0

    1答えて

    私はオーディオを再生しており、同時にキーボードから入力しています。私はこれを達成するためにスレッドを使用しています。私は、オーディオを実行し、メインスレッドからの入力を聞く新しいスレッドを作成しました。しかし、私は、キーボードからの特定の入力に基づいて、オーディオの再生を停止したい。 スレッドを別のスレッドから「強制終了」できず、オーディオの再生を停止していない限り、オーディオスレッドをメインスレ

    0

    1答えて

    にpyspark 2.2.0データフレーム区分された書き込みを並列化 を作成し、各パーティション(グループ)をS3の独自の場所に書き込む。 drive_idで区切られたS3の位置にAthenaテーブルを定義する必要があります。これにより、drive_idによって照会された場合、非常に効率的にデータを読み取ることができます。 #df is spark dataframe g=df.gr

    0

    1答えて

    いくつかのチュートリアルの助けを借りてここでstackoverflowを読んで、私はこの基本的な並列(複数のファイル)csv - >配列リーダーを結びつけました。それをもっと速くすることはできますか?私はここで、ファイルをメモリにプリロードしたり、何とかスレッドを最適化したり、cudaでいくつかの部分を行う可能性について読んだことがあります。次のステップがすべきことは何の手がかりもありません。これ

    1

    1答えて

    複数のノードからCPUコアを利用して1つのRスクリプトを実行したいと考えています。各ノードは16のコアを含み、Slurmツールを介して私に割り当てられます。単一ノード上で正常に動作します mpirun -np 1 R --no-save <file_path_R_script.R> another_file_path.Rout : これまでのところ、私のコードは次のようになります。 ncore

    2

    1答えて

    私はいくつかの統計を行うために、dataframe1とdataframe2の各行を比較します。これらは大規模なデータフレーム(300,000行と40,000行)なので、比較するのは大変です。 私はいくつかの機能を使って統計を適用しました。私が疑問に思っていたことは、dataframe1をチャンクに分割することが可能かどうかということでした。これらのチャンクは複数のコアで並列に実行されます。 lib

    0

    1答えて

    TestNGを使用して、さまざまなブラウザで並列テストを実行します。 これは私のtestng.xmlです: <?xml version="1.0" encoding="UTF-8" ?> <suite name="Parallel Tests" verbose="2" parallel="tests" thread-count="4"> <!--Set test parameter

    0

    1答えて

    これは、テキストブックであっても、どこにでも提示されているように、Adaの非常に基本的な保護境界バッファです。 (これはもっと大きなものの一部ですが、コードを最小限に単純化して、動作を再現しました)。 私は1つのタスクにそれを供給し、 "メイン"のボディがそれから読んでいるとうまくいくようです。しかし、パターとゲッターという2つのタスクを以下のように使用すると、1st Getでブロックされます。も