Python程序的脏并行化

我有一个程序，在一个循环中加载2600个图像，进行一些处理并返回一个值。伪代码：

for file in files:
  codes[file] = my_function(file)
return codes

问题是-这个过程大约需要20-30分钟，而且似乎只使用一个CPU核心。我正在寻找一种快速而肮脏的方法来在更多的内核中运行它，也许可以将列表一分为二。我读过很多关于Python及其问题/解决方案的书，但我不知道下一步该怎么做。我该怎么做

---

仅供参考，在2009年Macbook Pro（Core 2 Duo）上使用Python 2.7，带有Numpy Scipy Scikit image和OpenCV。

最简单的方法是使用

多处理

：

from multiprocessing import Pool

with Pool() as p:
    all_codes = p.map(my_function, files)
return {f:code for code, f in zip(all_codes, files)}

---

如果完全独立地处理所有图像，则创建两个脚本，两个脚本都处理一组1300个图像。一个接一个地启动脚本，然后在每个核心上运行一个python解释器。（但是Patrick的解决方案是+1，这确实是一个干净的解决方案。）我们将在下一个版本的scikit image用户指南中编写此解决方案。如果您想让它真正脏，请在Bashi Patrick中并行化！非常感谢，这看起来很棒！两个问题-你能解释一下最后一行吗？2我是否需要显式调用p.start（）来启动它？最后一行是一个字典理解，它以你在问题中使用的相同格式返回内容（使用文件句柄作为键）。无需调用

p.start（）

——使用

p.map

可以让Python在进程完成任务时智能地将工作分块给进程。这产生了超过100%的加速。谢谢！：）一个简单的问题，您的代码没有按预期工作（AttributeError在第行）；我这样做了：p=Pool（）所有的_代码=p.map（我的_函数，项）它们是等价的还是我遗漏了什么？你也有

import

行吗？范围中有一个名为

项的东西

？