11.2. 如何平行化迴圈

在影像處理中，我們經常對一大批影像應用相同的演算法。在這段文字中，我們建議使用 joblib 來平行化迴圈。以下是一個重複性任務的範例

import skimage as ski

def task(image):
    """
    Apply some functions and return an image.
    """
    image = ski.restoration.denoise_tv_chambolle(
        image[0][0], weight=0.1, channel_axis=-1
    )
    fd, hog_image = ski.feature.hog(
        ski.color.rgb2gray(image),
        orientations=8,
        pixels_per_cell=(16, 16),
        cells_per_block=(1, 1),
        visualize=True
    )
    return hog_image


# Prepare images
hubble = ski.data.hubble_deep_field()
width = 10
pics = ski.util.view_as_windows(
    hubble, (width, hubble.shape[1], hubble.shape[2]), step=width
)

要對列表 pics 中的每個元素呼叫函式 task，通常會寫一個 for 迴圈。要測量此迴圈的執行時間，您可以使用 ipython 並使用 %timeit 來測量執行時間。

def classic_loop():
    for image in pics:
        task(image)


%timeit classic_loop()

另一種等效的迴圈程式碼撰寫方式是使用列表推導式，其效率相同。

def comprehension_loop():
    [task(image) for image in pics]

%timeit comprehension_loop()

joblib 是一個程式庫，它提供了一種簡單的方法來平行化 for 迴圈，一旦我們有了列表推導式。可以指定工作的數量。

from joblib import Parallel, delayed
def joblib_loop():
    Parallel(n_jobs=4)(delayed(task)(i) for i in pics)

%timeit joblib_loop()