如何在多个内核上运行使用numpy的python程序，最好使用线程处理

Question

我想进行并行计算并将结果返回到主线程。由于这种情况经常发生，我假设进程间消息传递的开销会影响性能（这个假设正确吗？），所以我想用线程。在

据我所知，只有使用jython或ironpython（哪个更好？）时，线程才会在不同的内核上运行。在

假设这是正确的-我所要做的就是将我的eclipse解释器切换到上面的一个？在

最后，我用的是numpy。这是个问题吗？jython/ironpython的实现会阻碍numpy的性能吗？在

更新：

我现在正试着按照下面的建议使用多进程。我在以一种整洁的方式传递参数时遇到了困难（也因为某些原因，当我停止应用程序运行打开的“不要关闭”进程，并且我必须重新启动计算机时！）。这就是我要做的：

pool = multiprocessing.Pool()
results = pool.map(my_class(param1=bla1, param2=bla2), list_args)

其中list_args是类my_类的__call__函数的参数列表，bla1和bla2是numpy数组。在

查询：

1. 池的默认值为cpu_count（）。我想这是最好的？

2. 为什么这样不行？（进程似乎不会返回…

Answer 1

我缺少一个包装所有东西的主函数。显然，这对多处理很重要。在

def main():
    run_my_stuff()

if __name__ == "__main__":
    main()

另外，如果您的进程正在使用的队列已满（它具有一定的容量），则会产生相同的效果，因此可以帮助更改代码，以便在添加项目时，允许同时从队列中提取项目。在