我手头有一个最小的问题：$Xw = Y$，其中$X$是我的（训练）* 数据 * 矩阵，$w$是一个向量参数化我的模型。

def solve_lsqr(X,Y):
    # something standard
    return w

我想执行一种特定类型的交叉验证，即用一组特定的滞后对数据进行子采样（与scikit-learn的混洗子采样方法相反），因此，该函数不是将所有数据传递给solve_lsqr，而是处理以特定方式选择的数据子集。
我使用python的多处理来并行化我的代码，但我认为我的方法不是最佳的：* 我将整个二次采样数据数组（而不是索引）传递给函数，一旦并行执行，就会完全填满RAM，从而大幅降低性能。*

**我认为将索引集传递给solve_lsqr更合理，并以某种方式通知它数据矩阵$（X，Y）$**的位置。这需要在多处理库的Pool对象中的所有工作者之间共享某种部分内存。部分，因为除了$（X，Y）$之外，所有工作者的内部变量本质上是独立的。

我怎样才能在python中实现它呢？用本机多处理库能做到吗？
谢谢你的帮助。