如何运行在多个内核上使用numpy的python程序，最好是使用线程

Question

我想执行并行计算并将结果返回给主线程。由于这是做了很多次，我假设处理消息传递的开销会阻碍性能（这个假设是否正确？），所以我想使用线程。

据我所知 - 只有在使用jython或ironpython（哪个更好？）时，线程才能在不同的内核上运行。

假设这是正确的 - 我所要做的就是将我的eclipse解释器切换到上述之一？

最后，我使用numpy。这是一个问题吗？ jython/ironpython的实现会妨碍numpy的性能吗？

更新：

我现在试图按照下面的建议使用多进程。我无法以一种简洁的方式传递参数时遇到问题（也出于某种原因，当我停止运行打开的进程不关闭的应用程序时，我必须重新启动计算机！）。这就是我想要做的事：

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

哪里list_args是类my_class的__call__功能，BLA1的参数列表和bla2是numpy的阵列。

查询：

1. 为池的默认值是CPU_COUNT（）。我认为这是最佳的？

2. 为什么这不起作用？ （这个过程似乎没有返回...）

Answer 1

我错过了一个主要的函数来包装一切。显然这对多处理很重要。

def main(): 
    run_my_stuff() 

if __name__ == "__main__": 
    main() 

而且 - 同样的效果可以，如果你的进程正在使用的队列已满（它有一定的容量）引起的，所以它可以帮助改变代码，以便它可以在拉从队列项目同时他们被添加。