Why does NumPy вызывает ошибку при выполнении параллельных вычислений на многоядерных процессорах?

Некоторые причины, по которым NumPy может вызывать ошибки при выполнении параллельных вычислений на многоядерных процессорах:

• Неправильная установка библиотек. roman-kh.github.io habr.com Например, если NumPy связан с устаревшими библиотеками ATLAS и BLAS, то он может использовать только одно ядро процессора, даже если компьютер оснащён многоядерным процессором. roman-kh.github.io habr.com
• Использование встроенной библиотеки. habr.com Если никакие библиотеки линейной алгебры не установлены, то NumPy использует встроенную библиотеку, которая работает медленно. habr.com
• Проблемы с выделением памяти. github.com В некоторых случаях ошибки возникают из-за того, что при увеличении количества процессов усиливается конкуренция за блокировку, используемую для отображения памяти. github.com

Для решения проблемы можно попробовать переустановить NumPy с другой библиотекой, например OpenBLAS, или использовать научные пакеты Python, такие как Anaconda или Canopy. roman-kh.github.io