For loop 如何跳过为每个迭代创建新的池进程？

我有以下代码片段

for self.step in range(0, num_steps):
                
    with torch.no_grad():
        pool = mp.Pool(4)

        self.step_iter = np.full(shape=len(self.env.agents), 
                                 fill_value=self.step, dtype=np.int)


        # select action for every agent
        action_vector = pool.starmap(Trajectory.select_action, 
                                     zip(self.replay_buffer,
                                         self.actors,
                                         self.critics,
                                         self.step_iter,
                                         self.action_size))
        pool.close()
        pool.join()

问题是，对于每个时间步，都会创建一个新的池进程（这需要一些时间）。
是否有方法在每次迭代中重复使用相同的池，直到

self.step==num\u steps

？

（将注释移动到答案）

---

池是任务处理程序的集合，将处理队列中的任务。把它想象成商店里处理顾客的收银员。当出纳有空时，他们开始处理下一个客户。
pool
是出纳员，
starmap
创建要处理的客户行

您只需创建一次池（出纳员）：

尝试将
pool=mp.pool（4）
放在循环之外（以及
close（）
和
join（）
）谢谢您的回答！我在添加你的评论之前就做了。因此，如果一个进程运行多次，就不会有任何问题，对吗？
池是一个任务处理程序的集合，它将处理队列中的任务。把它想象成商店里处理顾客的收银员。当出纳有空时，他们开始处理下一个客户。
pool
是出纳员，
starmap
创建要处理的客户线。非常好的例子！非常感谢@Mike67！
pool = mp.Pool(4)  # process handlers
for self.step in range(0, num_steps):
                
    with torch.no_grad():
            
        self.step_iter = np.full(shape=len(self.env.agents), 
                                 fill_value=self.step, dtype=np.int)
    
        # select action for every agent
        action_vector = pool.starmap(Trajectory.select_action, 
                                     zip(self.replay_buffer,
                                         self.actors,
                                         self.critics,
                                         self.step_iter,
                                         self.action_size))
pool.close()
pool.join()