Python'；这是多重处理。程序未完成连接（）

我有一个非常有用的程序。因此，我希望使它更快，并尝试进行多处理。当我让程序使用低分辨率时（我在做功率谱；低分辨率意味着它会很快完成，但不会很精确），它工作得很好。我的速度提高了约2倍，但在执行高分辨率操作时，我在完成之前终止了它，因为它的运行时间比单处理器长

我的主文件是这样的（我定义了

f_min，f_max，df，t，f

）

我的

ast\u power

是这样的

import numpy as np
def power_spectrum(time, data, param, R='None' ):


    if R == 'None': #Normal
        f_min = param[0]
        f_max = param[1]
        df    = param[2]
        w     = param[3]
    else: # Multiprocessing
        f_min,f_max,df,w = param.get()
    freq = np.arange(f_min,f_max,df)    

    for i in xrange( len(freq) ):
        # Do the power spectrum...
        # will produce; power, alfa, beta

    if R == 'None': #Normal
        return freq,power,alfa,beta
    else: #Multiprocessing
        R.put([freq,power,alfa,beta])

我做得对吗？我认为这是非常奇怪的，它适用于高

df

（低分辨率），而不适用于低

df

（高分辨率）

---

任何帮助都非常精确。

join（）调用将阻止该过程，直到它完成。如果在运行下一个进程之前等待每个进程完成，您将失去多进程的好处！使用start（）让进程独立运行。

您查找过python和多处理的GIL问题吗？这不是我在mint:I.start（）的主文件

中所做的吗。如果不是，你能告诉我怎么做吗？（很抱歉突出显示不好。）好的，我错过了I.start（）。但是您仍然不需要i.join（）。拿出“i in mint:i.join（）”你应该很好。好的，我的代码正在运行，很完美。但是现在它的“加速”是0.3，所以多处理速度较慢。
import numpy as np
def power_spectrum(time, data, param, R='None' ):


    if R == 'None': #Normal
        f_min = param[0]
        f_max = param[1]
        df    = param[2]
        w     = param[3]
    else: # Multiprocessing
        f_min,f_max,df,w = param.get()
    freq = np.arange(f_min,f_max,df)    

    for i in xrange( len(freq) ):
        # Do the power spectrum...
        # will produce; power, alfa, beta

    if R == 'None': #Normal
        return freq,power,alfa,beta
    else: #Multiprocessing
        R.put([freq,power,alfa,beta])