Model.execute_actions#

Model.execute_actions(actions)[源代码]#

执行内存优化运行

执行内存优化运行。内存优化运行旨在通过减少内存消耗来计算指定的节点（目标）。当中间结果包含大量数据时，内存优化运行非常有用。

内存优化运行实际上包含两次运行。第一次运行通过调用 generate_actions()触发，第二次运行通过调用execute_actions()执行。 generate_actions()方法运行模型，根据传入targets参数的目标列表生成并返回一个动作列表。用户在调用generate_actions()前，应在模型中设置一个小型数据集。 targets的元素应为 ItemNode对象，表示Cells对象及其参数的组合。可以通过向node()方法传递参数来创建节点对象。例如，以下表达式创建了表示Model1.Space1.Cells3(x=2)的节点对象：

Model1.Space1.Cells3.node(x=2)

generate_actions() 运行模型来分析目标节点的依赖关系。 generate_actions() 会识别目标节点依赖的所有计算节点，并按拓扑顺序对这些节点进行排序。然后将排序后的节点分组，确保每组最多包含 step_size（默认值为1000）指定的节点数量。接着 generate_actions() 会生成操作来处理每个分组。对于每个分组，会按顺序生成calc（计算）、paste（粘贴）和clear（清除）操作。每个操作都与它适用的节点相关联。 calc操作表示其关联的节点应该被计算。 paste操作表示其关联的节点应该进行值粘贴，以便在这些节点的前驱节点被清除后，它们的值仍然保留。 clear操作表示其关联的节点应该被清除以节省内存。

generate_actions() 返回一个动作列表。每个动作也由一个列表表示，其第一个元素是一个字符串，可以是 'calc'、'paste' 或 'clear'。该字符串表示要执行的动作类型。第二个元素是 ItemNode 的列表，第一个元素指示的动作将应用于这些节点。下面是一个动作列表的示例。

[
    ['calc', [Model1.Space1.Cells1(), Model1.Space1.Cells2(x=0)]],
    ['paste', [Model1.Space1.Cells2(x=0), Model1.Space1.Cells1()]],
    ['clear', []],
    ['calc', [Model1.Space1.Cells2(x=1), Model1.Space1.Cells2(x=2)]],
    ['paste', [Model1.Space1.Cells2(x=2)]],
    ['clear', [Model1.Space1.Cells2(x=1), Model1.Space1.Cells2(x=0)]],
    ['calc', [Model1.Space1.Cells3(x=2)]],
    ['paste', [Model1.Space1.Cells3(x=2)]],
    ['clear', [Model1.Space1.Cells1(), Model1.Space1.Cells2(x=2)]]
]

execute_actions() 执行传入的actions动作。在调用execute_actions()之前，用户应当设置完整的数据集而非用于生成动作的小数据集。执行完成后，目标节点会被值粘贴，且目标节点所有前置节点的值都会被清除。如需清除值，可对目标调用clear_at() 或调用Cells.clear_all 或Space.clear_all 或Model.clear_all。

Parameters:: actions (list) – actions 列表

另请参阅

generate_actions()
在节省内存的同时运行大型模型, 一篇发布在 https://modelx.io 上的博客文章

Model.execute_actions#

本页