导入使用 MultiProcessing Python 的模块

我希望使用多处理模块来加快某些运输规划模型的运行时间。我已经通过“正常”方法尽可能多地进行了优化，但其核心是一个荒谬的并行问题。例如，对 4 组不同的输入执行同一组矩阵运算，所有信息都是独立的。

伪代码：

    for mat1,mat2,mat3,mat4 in zip([a1,a2,a3,a4],[b1,b2,b3,b4],[c1,c2,c3,c4],[d1,d2,d3,d4]):
        result1 = mat1*mat2^mat3
        result2 = mat1/mat4
        result3 = mat3.T*mat2.T+mat4

因此，我真正想做的就是在四核计算机上并行处理该循环的迭代。我已经阅读了这里和多处理模块的其他地方，除了必需的之外，它似乎完全符合要求：

   if __name__ == '__main__'

据我了解，这意味着您只能从脚本运行多进程代码？即如果我做类似的事情：

    import multiprocessing
    from numpy.random import randn

    a = randn(100,100)
    b = randn(100,100)
    c = randn(100,100)
    d = randn(100,100)

    def process_matrix(mat):
        return mat^2

    if __name__=='__main__':
        print "Multiprocessing"
        jobs=[]

        for input_matrix in [a,b,c,d]:
            p = multiprocessing.Process(target=process_matrix,args=(input_matrix,))
            jobs.append(p)
            p.start()

它运行良好，但是假设我将上述内容保存为“matrix_multiproc.py”，并定义了一个新文件“importing_test.py”，其中仅说明：

    import matrix_multiproc

多重处理不会发生，因为名称现在是“matrix_multiproc”而不是“main'

这是否意味着我永远不能在导入的模块上使用并行处理？我想做的就是让我的模型运行为：

    def Model_Run():
        import Part1, Part2, Part3, matrix_multiproc, Part4

        Part1.Run()
        Part2.Run()
        Part3.Run()
        matrix_multiproc.Run()
        Part4.Run()

很抱歉问了一个很长的问题，答案可能很简单，谢谢！

这是否意味着我永远不能在导入的模块上使用并行处理？

不，事实并非如此。您可以使用multiprocessing代码中的任何位置，provided该程序的主模块使用if __name__ == '__main__' guard.

在 Unix 系统上，您甚至不需要那个保护，因为它具有fork()从主进程创建子进程的系统调用python过程。

另一方面，在 Windows 上，fork()被模仿multiprocessing通过生成一个运行主模块的新进程again，使用不同的__name__。如果没有这里的保护，您的主应用程序将尝试再次生成新进程，从而导致无限循环，并很快耗尽所有计算机的内存。