标签： python performance for-loop joblib
我正在使用joblib并行处理4帧（从视频中拍摄的图像）。使用并行for循环，其中每个循环为不同的帧调用相同的函数。由于帧的捕获仅占总处理时间的1％（通过使用行分析器的python脚本分析找到），我首先捕获4帧并移交给joblib进行多处理。
我发现使用笔记本电脑，这个过程加速了大约5倍。在Rapberry pi-2（四核）上，观察到几乎8倍的加速，并且在Beaglebone Black（非多核）上也观察到几乎7倍的加速。那么，joblib究竟是如何分配任务的呢？