我有一个使用Python的机器学习应用程序。而且我正在Python中使用multiprocessing模块来并行化某些工作（特别是特征计算）。
现在，multiprocessing在Unix变体和Windows操作系统上的工作方式有所不同。
Unix (mac/linux): fork / forkserver / spawn
Windows:产生物
Why multiprocessing.Process behave differently on windows and linux for global object and function arguments
由于spawn在Windows上使用，因此多处理进程的启动确实很慢。它会为Windows上的每个进程从头开始加载所有模块。
有没有一种方法可以加快Windows上额外进程的创建？ （不是选择使用线程而不是多个进程）
答案 0 :(得分：0)
我强烈建议不要使用concurrent.futures ProcessPoolExecutor，而要使执行程序在后台处于打开状态，而不是每次都创建多个新进程。
那样，您不必每次都创建一个新进程，而是让它们在后台保持打开状态，并使用模块的功能或队列和管道来传递一些工作。
底线-请勿每次都创建新流程。让他们打开并通过工作。