pytorch实现在cuda上多进程，能获取处理函数返回值

python多进程常规操作，无需获取处理函数返回值

from multiprocessing import Process
import time
pronum = 32

def coding(pi, files):
    """子进程要执行的代码，多进程要创建一个处理函数，这里构造处理逻辑"""
    print('子进程处理中...')
    '''
    代码块
    '''
    
if __name__ == '__main__':
    # 多进程
    multi_start = time.time()
    pro_list = []

    for i in range(pronum):
        p = Process(target=coding, args=(参数一，参数二))
        p.start()
        pro_list.append(p)
        
    for p in pro_list:
        p.join() 必要
        
    print("主进程结束!")
    multi_end = time.time()
    print('\nMulti process cost time:', multi_end - multi_start)

python多进程常规操作，获取处理函数返回值

from multiprocessing import Pool

def coding(pi, files):
    """子进程要执行的代码，多进程要创建一个处理函数，这里构造处理逻辑"""
    print('子进程处理中...')
    '''
    代码块
    '''
    return result_value
    
if __name__ == '__main__':
    # 多进程
    multi_start = time.time()
    pronum= 32
		pool = Pool(processes=pronum) 
    for i in range(pronum):
        result = pool.apply_async(coding, (参数一，参数二))
        results.append(result.get())
        
    pool.close()
    pool.join()
    res = [i.get() for i in results]
    print(res)
    print("主进程结束!")
    multi_end = time.time()
    print('\nMulti process cost time:', multi_end - multi_start)

pytorch实现在cuda上多进程，获取处理函数返回值

与上述常规操作能获取返回值多进程代码大同小异

#在上述代码块中添加此行设置，可放在导包配置下面
torch.multiprocessing.set_start_method(‘forkserver‘,force = True)#此行代码必不可少

note1：pool.apply_async(coding, (参数一，参数二))返回的是ApplyResult对象，此时不是想要的返回值，要获取对象中的真实返回值，要用其内部get函数
如：True_value = result.get()
note2:如果coding函数返回值数量为2，则我们顺次获取返回值的方法为

returnResult1 = True_value[0]
returnResult2 = True_value[1]

另外附查询linux服务器CPU个数，CPU核数命令（参考这些信息，防止将进程数设置得过大）

# 查看物理CPU个数
cat /proc/cpuinfo| grep "physical id"| sort| uniq| wc -l
 
# 查看每个物理CPU中core的个数(即核数)
cat /proc/cpuinfo| grep "cpu cores"| uniq