Python多处理最小跨度树-整个程序循环

我正在尝试使用Python中的多处理来加速针对大量数据的最小生成树算法。该树正在使用Prim的方法。简言之，我有一个程序，为每个类别创建一个加权矩阵，然后进入例程以生成最小跨度树，在这个例程中我有以下代码

 if __name__=='__main__':
        m=Manager()
        q=Queue()
        #wt=partial(_lightest_edge_weight, graph=graph, visited=visited)
        p=Pool()
        #go to each visited edge
        for each in visited:
            q.put(each)
        q.put('DONE')
        #set up multiprocessing for edges in queue
        p.apply_async(target=_lightest_edge_weight, args=(graph,visited,q,))

---

但是，每当我这样做时（我也尝试过使用Process plus start和join），打开的新进程都会重新启动整个程序，而不仅仅是根据

\u light\u edge\u weight

运行队列中的项目。当整个程序循环而不仅仅是目标子程序时，有什么想法吗？谢谢。

如果您有任何代码在

之外运行，如果uuuu name uuuu=='\uuuu main uuu'

，那就是您的问题。如果没有，我需要比你提供的更多的代码。我同意@Veedrac。给自己做个做作的例子来证明这一点。旁注：我不记得apply_async有目标kwd。你确定这是一个有效的代码吗？不知道你的“大量数据”有多大，也要考虑优化算法。也许还值得尝试一种不同的算法。例如，我发现Kruskal算法的实现比Prim算法的实现快约15倍