如何在 emcee 中正确并行化黑盒可能性

Question

我目前正在使用 emcee 包获取 MCMC 示例，使用教程 https://emcee.readthedocs.io/en/stable/tutorials/parallel/。代码的串行版本可以工作，但速度很慢，所以我想使用并行化技术来加快处理速度。

我的代码目前如下（提供伪代码）：

def loglike(theta):
    cosmo = blackbox_function_from_another_package(theta)
    
    model = calculate_model(cosmo)
    
    diff = data - model
    
    return -0.5 * (diff).T @ ivar @ diff

def mcmc_parallel(loglikelihood, init_pos, nsamples):

    nwalkers = init_pos.shape[0]
    ndim = init_pos.shape[1]
    
    with Pool() as pool:
        sampler = emcee.EnsembleSampler(
            nwalkers, ndim, loglikelihood, pool=pool)
        sampler.run_mcmc(p0, nsamples, progress=True);

#Main code

from multiprocessing import Pool
sampler = mcmc_parallel(loglikelihood=loglike, init_pos=p0, nsamples=5)

data 和 ivar 是用于酸洗目的的全局变量，如教程中所述。每当我尝试运行此代码时，它都会无限期地执行，当我中断执行时，我会收到以下回调：

    294         try:    # restore state no matter what (e.g., KeyboardInterrupt)
    295             if timeout is None:
--> 296                 waiter.acquire()
    297                 gotit = True
    298             else:

我不完全确定发生了什么以及代码冻结的原因。如果有人能帮我解决这个问题，我将不胜感激。

Answer 1

我遇到了同样的问题，发现这个解决方案对我有用：

import multiprocessing as mp

Pool = mp.get_context('fork').Pool