Multithreading Python：使用PyBrain和多处理的多线程学习神经网络
我正在尝试用Python和Python的包来训练一个神经网络 这是我的代码（它训练一个简单的神经网络来学习XOR逻辑） 在我的代码中，有两个函数：一个运行单线程，另一个（假定）使用多处理包运行多线程 据我判断，我的多处理代码是可靠的。但是当我运行它时，多处理代码不会在多个内核上运行。我通过检查运行时间来验证这一点（对于线程=4和4个内核，它需要4倍的时间，而它应该需要大约一个单线程运行的时间）。我通过查看Multithreading Python：使用PyBrain和多处理的多线程学习神经网络,multithreading,python-2.7,scipy,blas,pybrain,Multithreading,Python 2.7,Scipy,Blas,Pybrain,我正在尝试用Python和Python的包来训练一个神经网络 这是我的代码（它训练一个简单的神经网络来学习XOR逻辑） 在我的代码中，有两个函数：一个运行单线程，另一个（假定）使用多处理包运行多线程 据我判断，我的多处理代码是可靠的。但是当我运行它时，多处理代码不会在多个内核上运行。我通过检查运行时间来验证这一点（对于线程=4和4个内核，它需要4倍的时间，而它应该需要大约一个单线程运行的时间）。我通过查看htop/顶部的仔细检查了它 我知道，但多处理软件包应该能处理这个问题 我也知道这件事。但是
htop顶部的仔细检查了它
我知道，但多处理软件包应该能处理这个问题
我也知道这件事。但是，如果我在PyBrain包中导入scipy后立即打印进程关联（print psutil.process（os.getpid（））.cpu\u affinity（）
），我可以看到关联正常：
$ python ./XOR_PyBrain.py
[0, 1, 2, 3]
Execution time for single threaded training: 14.2865240574 seconds.
Execution time for multi threaded training: 46.0955679417 seconds.
我在我的Debian NAS、Debian桌面和Mac上都观察到了这种行为
Debian NAS的版本信息：
- CPU:Intel（R）Atom（TM）CPU D2701@2.13GHz
- Debian 8.4。内核：3.2.68-1+deb7u1 x86_64
- Python 2.7.9
- PyBrain 0.3
- Scipy 0.14.0-2
所以，我的问题是：如何让PyBrain在多核上进行训练？一切似乎都很正常。我已经测试了你的代码，所有的内核都正常工作。计时的问题来自这样一个事实：“当您试图处理少量数据时，CPU核心无法实现其填充潜力。”
您构建的网络非常简单，因此在每个核心获得100%的使用率之前，该过程将结束。想象一下，如果你想处理数百万个5x5像素的图像。您的计算机等待HDD获取数据的时间远远超过CPU处理数据所需的时间
这里有一些。但在更快的区域（RAM）和更小的数据量（一个十进制数）中。如果您的计算机有DDR4 RAM，情况可能会改变。（但我真的不这么认为）
尝试一个更重的进程、更大的网络、更多的数据等，你会看到你的期望。你已经实现了吗？@agtoever我可以提请你注意关于多处理和多线程的相似之处，希望你能帮助。我可以提请你注意关于多处理和多线程的相似之处，希望你能帮助我。
$ python ./XOR_PyBrain.py
[0, 1, 2, 3]
Execution time for single threaded training: 14.2865240574 seconds.
Execution time for multi threaded training: 46.0955679417 seconds.