在Python多处理中使用OMP_NUM_THREADS=1

我听说在调用使用多处理的Python脚本之前使用

OMP\u NUM\u THREADS=1

可以加快脚本的速度

---

这是真的还是假的？如果是，为什么会这样？

因为您在评论中说Python程序正在调用一个C模块，该模块使用：

OpenMP在进程内执行多线程，默认线程数通常是CPU实际可以同时运行的线程数。（这通常是CPU内核的数量，如果CPU具有Intel的“超线程”功能，则为该数量的倍数。）因此，如果您有一个四核非超线程CPU，则OpenMP将默认运行4个线程

当您使用Python的

多处理

模块时，您的程序会启动多个可以同时运行的Python进程。您可以控制进程的数量，但通常希望它是CPU核心/线程的数量，例如，

multiprocessing.CPU\u count（）

返回的数量

那么，如果您运行一个运行4个Python进程的

多处理

程序，并且每个进程调用一个OpenMP函数并运行4个线程，那么在四核CPU上会发生什么呢？最终在4个核上运行16个线程。这会起作用，但不会达到最高效率，因为每个核心都需要花费一些时间在任务之间切换

设置

OMP\u NUM\u THREADS=1

基本上会关闭OpenMP多线程，因此每个Python进程都保持单线程

---

但是，如果这样做，请确保启动了足够多的Python进程！如果您有4个CPU内核，并且只运行2个单线程Python进程，那么您将使用2个内核，而另外2个处于空闲状态。（在这种情况下，您可能需要设置

OMP\u NUM\u THREADS=2

）

在注释中解析：

OMP_NUM_THREADS是OpenMP的一个选项，OpenMP是一个用于在进程内执行多线程的C/C++/Fortran API。
目前还不清楚这与Python多处理有何关系。
您的Python程序是否调用内部使用OpenMP的C语言编写的模块威扎德

---

OMP_NUM_THREADS

是一个用于在进程内执行多线程的C/C++/Fortran API的选项。目前还不清楚这与Python多处理有何关系。您的Python程序是否调用内部使用OpenMP的C语言编写的模块？正确。这就解释了一切！因此，我想应该选择避免python多处理来调用另一个正在进行多处理的进程。