求大神解答：Jacobi迭代法matlab程序代码，我是个新手，试了一下输入了A矩阵，但这个函数一直运行不出来，是什么问题呢？
function [k,d]=gjacobi(A)

[n,n]=size(A);

P0=eye(n);Ek=A;

TZ=1;P0=eye(n);k=0;

while TZ=1

k=k+1;Ak=abs(Ek-diag(diag(Ek)));

[i,j]=find(Ak==max(max(Ak)));

i=i(1),j=j(1);

Z1=max(max(Ak));

Pk=P0;

th=(pi/2)sign(Ek(i,j));

c=cot(2th);

t=tan(th);

Pk(i,i)=cos(th);

Pk(j,j)=Pk(i,i);

Pk(i,j)=sin(th);

Pk(j,i)=(-1)*sin(th);

EO=Pk’Ek;Es=EOPk;

Ek=Es;d=diag(Ek)./100;

if Z1>1e-2

TZ=1;

else

return

end

k=k;d=diag(Ek)./100;

end

因为输入的矩阵是aii=ajj的三对角矩阵，所以就没有列出aii不等于ajj的情况，最终k是迭代次数，d是特征值 ，求大家帮帮忙，是真的不会，拜托拜托~

光看这程序似乎也没有什么问题，而且卡住也有多种原因，题主的情况也不一定是卡住——我猜题主是根据一直没有输出来判断的吧。
还是先讲我的处理方案——调试。看来题主用的是类似于PyCharm的IDE，可以用IDE自带的调试器。我还是习惯于传统的print+logging+pysnooper：logging是自带的日志模块，可以选择输出高于某一级别（info、debug、error、critical等）的输出内容，可以调节为比较低的等级以输出更多的信息；另一个pysnooper是第三方的，输出的内容更详细，操作也更简单，就是耗费时间更长。有关的教程请题主自己查阅。找到明显的错误之后，就是百度+谷歌+stackoverflow大法即可。
另外，如果题主的程序是真的卡住了——比如说无法执行语句之类的“假死”状态（自己定义的，不能保证规范性），这种情况下一般应用程序会显示“无响应”，但也不敢保证微软bug导致没有显示出来。我的一种判断方法是进入任务管理器，看“python.exe”的进程的CPU和内存占用量。如果短时间内迅速上升，超出预期，就要考虑是不是“假死”。另外一种判断就是在异常处理中专门捕获KeyboardInterrupt异常，在程序持续无输出的时候按Ctrl+C尝试中断。具体操作如下：
try:
# ... your code here
except Exception as e: # catch all kinds of exceptions
if e.__class__ == KeyboardInterrupt: # if keyboard interruption is caught
raise KeyboardInterrupt # halt the program
# ... your remaining code here
由此可以用Ctrl+C中断，此时Python应当会抛出异常，同时会给出程序回溯的路线，这个时候可以依此找出卡住的语句。如果发现如此设置还是中止不了................
（PS：如果做了上述的异常处理，并加入了logging或pysnooper等，可能在控制台上看不到回溯，这个时候就要查看日志文件里的内容。）
非常抱歉，我也没办法.........毕竟这种情况也很罕见，没有太多的经验............
以上。

一、进程池
为什么要有进程池？进程池的概念。
在程序实际处理问题过程中，忙时会有成千上万的任务需要被执行，闲时可能只有零星任务。那么在成千上万个任务需要被执行的时候，我们就需要去创建成千上万个进程么？首先，创建进程需要消耗时间，销毁进程也需要消耗时间。第二即便开启了成千上万的进程，操作系统也不能让他们同时执行，这样反而会影响程序的效率。因此我们不能无限制的根据任务开启或者结束进程。那么我们要怎么做呢？
在这里，要给大家介绍一个进程池的概念，定义一个池子，在里面放上固定数量的进程，有需求来了，就拿一个池中的进程来处理任务，等到处理完毕，进程并不关闭，而是将进程再放回进程池中继续等待任务。如果有很多任务需要执行，池中的进程数量不够，任务就要等待之前的进程执行任务完毕归来，拿到空闲进程才能继续执行。也就是说，池中进程的数量是固定的，那么同一时间最多有固定数量的进程在运行。这样不会增加操作系统的调度难度，还节省了开闭进程的时间，也一定程度上能够实现并发效果。
二、概念介绍——multiprocess.Pool
Pool([numprocess  [,initializer [, initargs]]])：创建进程池
三、参数用法
numprocess：要创建的进程数，如果省略，将默认使用cpu_count()的值
initializer：是每个工作进程启动时要执行的可调用对象，默认为None
initargs：是要传给initializer的参数组
四、主要方法
p.apply(func [, args [, kwargs]])：在一个池工作进程中执行func(*args,**kwargs),然后返回结果。需要强调的是：此操作并不会在所有池工作进程中并执行func函数。如果要通过不同参数并发地执行func函数，必须从不同线程调用p.apply()函数或者使用p.apply_async()
p.apply_async(func [, args [, kwargs]])：在一个池工作进程中执行func(*args,**kwargs),然后返回结果。此方法的结果是AsyncResult类的实例，callback是可调用对象，接收输入参数。当func的结果变为可用时，将理解传递给callback。callback禁止执行任何阻塞操作，否则将接收其他异步操作中的结果。
p.close()：关闭进程池，防止进一步操作。如果所有操作持续挂起，它们将在工作进程终止前完成
P.join()：等待所有工作进程退出。此方法只能在close()或teminate()之后调用
五、其他方法(了解)
方法apply_async()和map_async()的返回值是AsyncResul的实例obj。实例具有以下方法：
obj.get()：返回结果，如果有必要则等待结果到达。timeout是可选的。如果在指定时间内还没有到达，将引发一场。如果远程操作中引发了异常，它将在调用此方法时再次被引发。
obj.ready()：如果调用完成，返回True
obj.successful()：如果调用完成且没有引发异常，返回True，如果在结果就绪之前调用此方法，引发异常
obj.wait([timeout])：等待结果变为可用。
obj.terminate()：立即终止所有工作进程，同时不执行任何清理或结束任何挂起工作。如果p被垃圾回收，将自动调用此函数
六、代码实例——multiprocess.Pool
6.1 同步
import os,time
from multiprocessing import Pool
def work(n):
print('%s run' %os.getpid())
time.sleep(3)
return n**2
if __name__ == '__main__':
p=Pool(3) #进程池中从无到有创建三个进程,以后一直是这三个进程在执行任务
res_l=[]
for i in range(10):
res=p.apply(work,args=(i,)) # 同步调用，直到本次任务执行完毕拿到res，等待任务work执行的过程中可能有阻塞也可能没有阻塞
# 但不管该任务是否存在阻塞，同步调用都会在原地等着
print(res_l)
6.2 异步
import os
import time
import random
from multiprocessing import Pool
def work(n):
print('%s run' %os.getpid())
time.sleep(random.random())
return n**2
if __name__ == '__main__':
p=Pool(3) #进程池中从无到有创建三个进程,以后一直是这三个进程在执行任务
res_l=[]
for i in range(10):
res=p.apply_async(work,args=(i,)) # 异步运行，根据进程池中有的进程数，每次最多3个子进程在异步执行
# 返回结果之后，将结果放入列表，归还进程，之后再执行新的任务
# 需要注意的是，进程池中的三个进程不会同时开启或者同时结束
# 而是执行完一个就释放一个进程，这个进程就去接收新的任务。
res_l.append(res)
# 异步apply_async用法：如果使用异步提交的任务，主进程需要使用jion，等待进程池内任务都处理完，然后可以用get收集结果
# 否则，主进程结束，进程池可能还没来得及执行，也就跟着一起结束了
p.close()
p.join()
for res in res_l:
print(res.get()) #使用get来获取apply_aync的结果,如果是apply,则没有get方法,因为apply是同步执行,立刻获取结果,也根本无需get
七、进程池版socket并发聊天练习
7.1 server
#Pool内的进程数默认是cpu核数，假设为4(查看方法os.cpu_count())
#开启6个客户端，会发现2个客户端处于等待状态
#在每个进程内查看pid，会发现pid使用为4个，即多个客户端公用4个进程
from socket import *
from multiprocessing import Pool
import os
server=socket(AF_INET,SOCK_STREAM)
server.setsockopt(SOL_SOCKET,SO_REUSEADDR,1)
server.bind(('127.0.0.1',8080))
server.listen(5)
def talk(conn):
print('进程pid: %s' %os.getpid())
while True:
try:
msg=conn.recv(1024)
if not msg:break
conn.send(msg.upper())
except Exception:
break
if __name__ == '__main__':
p=Pool(4)
while True:
conn,*_=server.accept()
p.apply_async(talk,args=(conn,))
# p.apply(talk,args=(conn,client_addr)) #同步的话，则同一时间只有一个客户端能访问
7.2 client
from socket import *
client=socket(AF_INET,SOCK_STREAM)
client.connect(('127.0.0.1',8080))
while True:
msg=input('>>: ').strip()
if not msg:continue
client.send(msg.encode('utf-8'))
msg=client.recv(1024)
print(msg.decode('utf-8'))
发现：并发开启多个客户端，服务端同一时间只有4个不同的pid，只能结束一个客户端，另外一个客户端才会进来。
八、回调函数
需要回调函数的场景：进程池中任何一个任务一旦处理完了，就立即告知主进程：我好了额，你可以处理我的结果了。主进程则调用一个函数去处理该结果，该函数即回调函数
我们可以把耗时间(阻塞)的任务放到进程池中，然后指定回调函数(主进程负责执行)，这样主进程在执行回调函数时就省去了I/O的过程，直接拿到的是任务的结果。
8.1 使用多进程请求多个url来减少网络等待浪费的时间
from multiprocessing import Pool
import requests
import json
import os
def get_page(url):
print(' get %s' %(os.getpid(),url))
respone=requests.get(url)
if respone.status_code == 200:
return {'url':url,'text':respone.text}
def pasrse_page(res):
print(' parse %s' %(os.getpid(),res['url']))
parse_res='url: size:[%s]\n' %(res['url'],len(res['text']))
with open('db.txt','a') as f:
f.write(parse_res)
if __name__ == '__main__':
urls=[
'https://www.baidu.com',
'https://www.python.org',
'https://www.openstack.org',
'https://help.github.com/',
'http://www.sina.com.cn/'
]
p=Pool(3)
res_l=[]
for url in urls:
res=p.apply_async(get_page,args=(url,),callback=pasrse_page)
res_l.append(res)
p.close()
p.join()
print([res.get() for res in res_l]) #拿到的是get_page的结果,其实完全没必要拿该结果,该结果已经传给回调函数处理了
'''
打印结果:
 get https://www.baidu.com
 get https://www.python.org
 get https://www.openstack.org
 get https://help.github.com/
 parse https://www.baidu.com
 get http://www.sina.com.cn/
 parse https://www.python.org
 parse https://help.github.com/
 parse http://www.sina.com.cn/
 parse https://www.openstack.org
[{'url': 'https://www.baidu.com', 'text': '\r\n...',...}]
'''
8.2 爬虫实例
import re
from urllib.request import urlopen
from multiprocessing import Pool
def get_page(url,pattern):
response=urlopen(url).read().decode('utf-8')
return pattern,response
def parse_page(info):
pattern,page_content=info
res=re.findall(pattern,page_content)
for item in res:
dic={
'index':item[0].strip(),
'title':item[1].strip(),
'actor':item[2].strip(),
'time':item[3].strip(),
}
print(dic)
if __name__ == '__main__':
regex = r'
.*?<.>(\d+).*?title="(.*?)".*?class="movie-item-info".*?
(.*?)
.*?
(.*?)
'
pattern1=re.compile(regex,re.S)
url_dic={
'http://maoyan.com/board/7':pattern1,
}
p=Pool()
res_l=[]
for url,pattern in url_dic.items():
res=p.apply_async(get_page,args=(url,pattern),callback=parse_page)
res_l.append(res)
for i in res_l:
i.get()
九、无需回调函数
如果在主进程中等待进程池中所有任务都执行完毕后，再统一处理结果，则无需回调函数。
from multiprocessing import Pool
import time,random,os
def work(n):
time.sleep(1)
return n**2
if __name__ == '__main__':
p=Pool()
res_l=[]
for i in range(10):
res=p.apply_async(work,args=(i,))
res_l.append(res)
p.close()
p.join() #等待进程池中所有进程执行完毕
nums=[]
for res in res_l:
nums.append(res.get()) #拿到所有结果
print(nums) #主进程拿到所有的处理结果,可以在主进程中进行统一进行处理

这个问题干扰我一天的进度了。

目前，终于找到！！！！
没有报错的情况下，大概率是导入数据问题。我先说下我的具体的check步骤。

最后发现os.listdir() 在ubuntu中是乱序读入数据的。。。所以模型data与label压根没配对。。。

以此为戒，希望后续牢记。关于，集群debug，参考博客。
我最后的处理方法。（我的data是png，label是tiff）
        self.data_name = os.listdir(data_path)
        # self.label_name = os.listdir(label_path)
        self.label_name = self.data_name.copy()
        self.label_name = [name.replace(".png", ".tiff") for name in self.label_name]

        self.data_path = []
        self.label_path = []

        for data, label in zip(self.data_name, self.label_name):
            self.data_path.append(data_path + "/" + data)
            self.label_path.append(label_path + "/" + label)