Question

我编写了一个简单的多处理代码，但我认为它不起作用。

当我在笔记本电脑上尝试此代码时，我通过活动监视器应用程序检查了处理器，结果表明某些处理器正常工作。因此，使用此代码，我在工作站上运行了该程序（核心最多28个，使用了24个），然后通过任务管理器再次对其进行了检查。但是，CPU使用率并没有增加，只是处理器增加了。

# Multiprocessing

def multi(input_field):
    result = subvolume.label(input_field)
    return result

test_list = [resampled_sub_1, resampled_sub_2, resampled_sub_3,
             resampled_sub_4, resampled_sub_5]

if __name__ == '__main__':
    pool = multiprocessing.Pool(processes=24)
    results = pool.map(multi, test_list)
    pool.close()
    pool.join()

正确完成多处理后，我认为CPU使用率会比此增加。我在哪里做错了什么？

Answer 1

您的池中有24个进程，但是可迭代的test_list中只有5个项目。当您从我的答案here中选择calc_chunksize_info()时，您可以计算生成和分配的块：

calc_chunksize_info(n_workers=24, len_iterable=5)
# Out: Chunkinfo(n_workers=24, len_iterable=5, n_chunks=5, chunksize=1, last_chunk=1)

Chunksize将为1，因此最多可以并行运行五个工作进程。您的输入可迭代项中根本没有足够的项目来使用所有工作进程。

请注意：test_list应该在if __name__ == '__main__':块中定义。

多处理似乎不起作用

1 个答案: