我正在嘗試計算特征方陣 ( Information_Gains_Matrix) 和相應的方權重矩陣 ( Weights_Matrix) 的莫蘭指數。對于中的每個特征，Information_Gains_Matrix我想在固定的情況下計算莫蘭指數Weights_Matrix。因此，我嘗試使用 multiprocessing pool.map 來處理Information_Gains_Matrix. 我可以讓代碼在小型測試數據集上以各種方式執行此操作。然而，當我使用實際的大數據集時，代碼運行，但隨后CPU使用率下降到0％，進程掛起，并且沒有任何釋放。import multiprocessingfrom multiprocessing import RawArray, Pool, Lockfrom functools import partial import numpy as np## Set up initial fake dataInformation_Gains_Matrix = np.random.uniform(0,1,(22000,22000))Weights_Matrix = np.random.uniform(0,1,(22000,22000))## Function I want to parallelise.  def Feature_Moran_Index(Chunks,Wij,N):       Moran_Index_Scores = np.zeros(Chunks.shape[0])    for i in np.arange(Chunks.shape[0]):        print(Chunks[i]) # Print ind to show it's running        Feature = Information_Gains_Matrix[Chunks[i],:]            X_bar = np.mean(Feature)        if X_bar != 0:            Deviance = Feature - X_bar            Outer_Deviance = np.outer(Deviance,Deviance)            Deviance2 = Deviance * Deviance            Denom = np.sum(Deviance2)            Moran_Index_Scores[i] = (N/Wij) * (np.sum((W * np.ndarray.flatten(Outer_Deviance)))/Denom)    return Moran_Index_Scores## Set up chunks inds for each core.Use_Cores = (multiprocessing.cpu_count()-2)Chunk_Size = np.ceil(Information_Gains_Matrix.shape[0] / Use_Cores)Range = np.arange(Information_Gains_Matrix.shape[0]).astype("i")Chunk_Range = np.arange(Chunk_Size).astype("i")Chunks = []for i in np.arange(Use_Cores-1):    Chunks.append(Range[Chunk_Range])    Range = np.delete(Range,Chunk_Range)我對這種方法沒有忠誠度，如果有人可以幫助我以任何方式跨特征并行計算莫蘭指數，我將非常感激，因為我似乎無法讓它發揮作用。