Python中for循环的多线程处理

我有一个for循环，在Python中如下所示：

def layerOneBackprop(l, a):
    for x in range(len(l.weights)):
        for y in range(len(l.weights[x])):
            l.weightDelta[x][y] = a.weightDelta[0][x] * a.weights[0][x] * dSigmoid(l.layerOut[x])
            dW = l.inVals[y] * l.weightDelta[x][y]  
            l.weights[x][y] = l.weights[x][y] - (learningRate * dW)

我目前的问题是，这个循环（实际上是整个函数）非常慢，因为每次调用都需要30-40秒的时间。我希望并行化这个函数将有助于它在我的服务器上运行得更快。在Python中如何实现这一点

---

我见过线程实现，但我也读到，Python的GIL可能会导致我的代码本质上变成单线程。如果没有这些问题，这怎么可能实现呢？

听起来很像：看起来你在为深层神经网络编写一些功能。老实说，通过切换到

numpy

或

theano

并使用其本机矩阵操作而不是使用python的内置列表，您可能会获得更高的性能。感谢您的提示！我现在正在使用

numpy

，这也不是我对

numpy

最优化的代码。我想看看在我以前的实现中是否可能。正如

theano

所说，我不能使用它，因为这段代码将在一个环境中运行。多处理是您要寻找的答案，但我同意John的说法，这不是正确的答案。除非你有一台16核的机器，多处理真的不会有什么帮助+1到

numpy

，+1到

pypy

，+1到

cython

当阻止IO操作释放Python的GIL时，密集的计算不会释放，因此Python中的多线程根本不起作用。如果您查看提供的链接（您的问题实际上是它的副本），您将发现为此提出的多处理。