apply_sync与串行速度相同

Question

我有一个在CPU上占用128ms的函数，我试图对其进行并行化，但是它具有相同的效果，根本没有提高速度。我不确定我在做什么错。

这是计算上昂贵的功能：

def compute(id, x,y,frame_id,df_region, region_buffered, df_line):
    gb = ('trajectory_id',)
    global general_pd
    general_pd.loc[len(general_pd)] = [id, x,y, frame_id]
    grouped = general_pd.loc[general_pd['trajectory_id'] == id]


    rpp = RawParameterProcessor(grouped, df_line, frame_idx, df_region, region_buffered,  gb=gb, v_thresh=5 / 3.6)

    df_parameter_car = rpp.compute()

    return df_parameter_car

并且我在tensorflow对象检测中使用它，对检测到的对象执行计算：

请注意，以下代码是在主循环中执行的，我从cv2视频捕获中获取了数据。

用于视频捕获中的每个帧

for trk in car_detections:
    trk = trk.astype(np.int32)
    p = np.array([[((trk[1] + trk[3]) / 2,  (trk[0] + trk[2]) / 2)]], dtype=np.float32)
    center_pt = cv2.perspectiveTransform(p, H)
    ptx = center_pt.T.item(0)
    pty = center_pt.T.item(1)
    df_cars = pool.apply_async(compute, (trk[4], ptx, pty, frame_idx, df_region, region_buffered, df_line,))
    results.append(df_cars)
    for result in results:
        genera_data_pd_cars = genera_data_pd_cars.append(result.get())