为什么ThreadPoolExecutor比for循环慢？
代码1
def feedforward(self,d):
out = []
for neuron in self.layer:
out.append(neuron.feedforward(d))
return np.array(out)这是我为执行前馈而编写的原始代码。我想提高使用多线程的执行速度，所以我从concurrent.futures模块编辑了使用concurrent.futures的代码。
代码2
def parallel_feedforward(self,func,param):
return func.feedforward(param)
def feedforward(self,d):
out = []
with ThreadPoolExecutor(max_workers = 4) as executor:
new_d = np.tile(d,(len(self.layer),1))
for o in executor.map(self.parallel_feedforward,self.layer,new_d):
out.append(o)
return np.array(out)变量d是一个向量，我使用了np.tile()以便executor.map正确地接受输入。
计时后两者的执行速度。我发现代码1明显快于代码2(代码2几乎比代码2慢8-10倍)。但是，使用多线程的代码不是比循环代码更快吗？是因为我写的代码错了，还是因为别的原因。如果是因为我的代码出错了，有人能告诉我我做错了什么吗？
谢谢你提前帮忙。
回答 1
Stack Overflow用户
发布于 2019-11-19 08:45:39
哈里，
您应该在python和线程上快速运行google --特别是因为python (...google it)，python的“线程”不会并行运行。因此，如果上面的功能是CPU绑定的，那么它实际上不会像上面那样使用python线程运行得更快。
要真正并行运行，您需要使用ProcessPoolExecutor，这样就可以绕过带有线程的python "GIL“。
至于为什么运行速度会慢8到10倍--一个想法是，当你使用期货时，当你向执行者发出一个带有参数的呼叫时，期货会挑选出你的论点传递给工人，然后工人们会在线程/进程中使用它。(如果这对您来说是新的，那么在python泡菜上做一个快速的google吧)
如果您的参数是非平凡的大小，这可能需要大量的时间。
所以这可能就是你看到经济放缓的原因。...I在我自己的代码中看到了巨大的放缓，因为我试图向工人传递大型的参数。
https://stackoverflow.com/questions/58919495
复制相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号