Python中的線程練習

我知道Python有一個global lock，我讀過了Glyph的python multithreading的解釋。但我仍然想嘗試一下。我決定做一個簡單的（概念上的）任務是對圖片進行水平和垂直邊緣檢測。Python中的線程練習

這裏發生了什麼（僞）：

for pixels in picture: 
    apply sobel operator horizontal 
for pixels in picture: 
    apply sobel operator vertical

info on sobel operator。

這兩個循環可以完全獨立運行，因此會成爲多線程的主要候選對象。（在任何非常大的圖片上運行這兩個循環可能需要10秒以上）。但是，當我嘗試在python中使用threading模塊時，由於全局鎖定而需要兩倍的時間。我的問題是，我是否應該放棄所有希望在python的兩個線程中執行此操作並嘗試使用另一種語言？如果我可以開拓進取，我應該使用哪些模塊？如果不是，我應該用什麼語言進行實驗？

來源

2009-02-11 helloandre

Python 2.6現在包含mulitprocessing模塊（以前的老版本的Python爲processing模塊）。

它具有與線程模塊基本相同的界面，但將執行啓動到單獨的進程而不是線程。這使得Python可以利用多個內核/ CPU，並且與線程模塊方法相比，可以很好地擴展CPU密集型任務。

來源

2009-02-11 04:10:34 Jay

如果sobel運算符是CPU綁定的，那麼您將不會從多個線程中獲益，因爲python沒有利用多個內核。

可以想象，您可以分離多個進程，但我不確定這對於處理單個映像是否可行。

10秒似乎沒有太多時間浪費。如果您擔心時間，因爲您將處理許多圖像，那麼運行多個進程並使每個進程處理單獨的圖像子集可能更容易。

來源

2009-02-11 03:50:21

多處理/處理模塊爲您處理多個進程和IPC，並且允許比CPU密集型任務的傳統Python線程更好地擴展。 – Jay 2009-02-11 04:11:52

像索貝爾操作員那樣的大規模矩陣操作將通過（正確地）使用Matlab/Octave確實實現顯着的速度增益。 NumPy可能會爲矩陣/陣列操作提供類似的加速。

來源

2009-02-11 04:24:28 HUAGHAGUAH

我推薦使用NumPy。它不僅會更快，而且如果你使用它的線程，將不會有全局鎖。

我也會建議像Jay所說的那樣使用多處理技術。不管怎麼說，如果你真的想練習穿線，我會建議你用C中的PThreads來玩。PThreads對於基本的例子來說非常簡單，並且可以在整個地方使用。

來源

2009-02-11 07:50:58 mikelikespie

如果你想用Python練習並行編程，Python多處理是正確的選擇。如果您沒有Python 2.6（如果您使用的是Ubuntu，那麼您不需要），那麼您可以使用Google code backported版本的多處理。它是PyPI的一部分，這意味着您可以使用EasyInstall（它是Ubuntu中的python-setuptools軟件包的一部分）輕鬆安裝它。

來源

2009-02-13 13:18:03 Gert

Python中的線程練習

回答

相關問題