python多处理池从不以apply\u async启动

当我调试脚本时，池循环遍历每个项，然后就结束了，而没有转到我的函数

这很奇怪，因为我在另一个脚本中使用了几乎相同的结构，实际上运行良好

我的第一个脚本运行良好：

#我的数据集
#列：缺勤（0-5）、学校（5个值）、周（11个值）、年级（9个值）
#用于创建ID的其他列：学生ID、ID
导入日志记录
作为pd进口熊猫
将numpy作为np导入
随机输入
将多处理作为mp导入
#皇后区
Q_考勤\u RAW=r“D:\Fake Data\Full Q今年缺勤。csv”
Q_考勤\u输出=r“D:\Fake Data\Cleaned Q Attention.csv”
#布鲁克林
K_考勤\u RAW=r“D:\Fake Data\Full K缺席今年。csv”
K_Attention_OUTPUT=r“D:\Fake Data\K Attention.csv”
#曼哈顿
M_考勤\u RAW=r“D:\Fake Data\Full M今年缺勤。csv”
M_Attention_OUTPUT=r“D:\Fake Data\M Attention.csv”
#斯塔顿岛
R\u考勤\u RAW=R“D:\Fake Data\R Full缺席今年。csv”
R\u Attention\u OUTPUT=R“D:\Fake Data\R Attention.csv”
BORO_DICT={Q_出席人数\原始：Q_出席人数\输出，
K_考勤_原始：K_考勤_输出，
M_考勤\u原始：M_考勤\u输出，
R_考勤\u原始：R_考勤\u输出}
所需列=[“缺席”、“学校”、“周”、“年级”]
#学生证，学生证
def过程_帧（输入_文件、输出_文件）：
df=pd.read\u csv（输入文件，
usecols=所需的（列）
所需列名称=[“缺勤次数”、“DBN”、“缺勤周”、“成绩”]
df.columns=所需的列名称
df.to_csv（输出_文件，
索引=假）
info（f'Done with{input_file}'）
def测试（i，o）：
f=打开（o，'w'）
f、 写入（o）
f、 关闭（）
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
logging.basicConfig（级别=logging.INFO）
logger=logging.getLogger（_名称__）
#我们有4个核，所以这是我们可以并行处理的最大值
pool=mp.pool（mp.cpu\u count（））
#交替传入mp.cpu\u count（）
对于BORO_DICT.items（）中的k，v：
#apply\u async（test，args=（k，v），callback=collect\u结果）
apply_async（进程_帧，参数=（k，v））
#pool.map（test，BORO_DICT.items（））
#关闭池以完成所有进程
pool.close（）
#推迟执行下一行，直到所有队列进程完成
pool.join（）
#logger.info（结果）
logger.info（'Done'）

我的第二个脚本无法工作（没有错误消息，它只是不提供输出）：

导入日志记录
导入操作系统
作为pd进口熊猫
进口火炬
将多处理作为mp导入
从dpwgan导入分类数据集
从dpwgan.utils导入创建分类
从examples.create_depension_data import BORO_DICT
输出=r“D:\Fake Data\Fake Q Absences.csv”
THIS_DIR=os.path.dirname（os.path.realpath（u文件_u））
噪音_DIM=20
隐藏尺寸=20
西格玛=1
def过程（文件）：
手电筒。手动种子（123）
logging.basicConfig（级别=logging.INFO）
logger=logging.getLogger（_名称__）
logger.info（'正在准备数据集…'）
尝试：
df=pd.read\u csv（文件，dtype=str）
除FileNotFoundError外：
打印（'错误：数据文件不存在。\n'
'请先运行'创建缺勤数据.py'。'）
返回
数据集=分类数据集（df）
data=dataset.to_onehot_flat（）
gan=创建分类gan（噪音、隐藏、数据集、维度）
logger.info（'Training GAN…'））
gan.列车（数据=数据，
纪元=10，应该是50，但我不耐烦了
n_=5，
学习率=1e-4，
重量\u剪辑=1/隐藏\u尺寸，
西格玛=西格玛）
logger.info（'正在生成合成数据…'）
平面合成数据=gan.generate（len（df））
合成\u数据=数据集。从\u onehot\u平面（平面\u合成\u数据）
如果文件中有“K”：
输出=r“D:\Fake Data\Fake K Attention.csv”
文件中的elif“Q”：
输出=r“D:\Fake Data\Fake Q Attention.csv”
文件中的elif“R”：
输出=r“D:\Fake Data\Fake r attention.csv”
文件中的elif“M”：
输出=r“D:\Fake Data\Fake M attention.csv”
合成数据到csv（输出，索引=False）
info（'保存为{}格式的合成数据（输出））
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
池=mp.池（4）
对于BORO_DICT.items（）中的k，v：
pool.apply_async（进程，v）
pool.close（）

---

顺便说一下，GAN部分来自civis在github上的项目。

apply\u async

不起作用。我切换到

map

，效果很好，根据评论中的建议，还添加了上下文管理：

以mp.Pool（进程=4）作为池：
池=mp.池（4）
pool.map（进程，BORO_DICT.values（））

使用上下文管理器。它们不需要任何成本，而且可以帮你解决一大堆问题。此外，请包括我们运行该程序可能需要的任何数据。请参阅：。此处返回流程结果的顺序是否重要？有多少项需要处理？