使用多處理來處理圖像，但使用8 cpus不能獲得性能提升

Question

我得到了一個名為cartoonize(image_path)的函數，該函數將'path / to / image'作為參數。 該腳本需要花費幾分鍾才能處理1920x1080尺寸的圖像。 我嘗試通過multiprocessing module使用所有8 cores ，但是以下代碼沒有提高性能。 另一個問題是如何保存圖像。 它返回一個CV2對象。 通常，我通過see below code將圖像保存到磁盤，但是通過多處理，它會給出錯誤"img is not a numpy array, neither a scalar." 我還希望獲得性能提升，但我不知道如何有效地做到這一點。

out_final = cartoonize('path/to/image'))
cv2.imwrite('cartoon.png', out_final)



import multiprocessing

if __name__ == '__main__':
    # mark the start time
    startTime = time.time()

    print "cartoonizing please wait ..."
    pool = multiprocessing.Pool(processes=multiprocessing.cpu_count())
    pool_outputs = pool.apply_async(cartoonize, args=(image_path,))
    pool.close()
    pool.join()
    print ('Pool:', pool_outputs)

    # mark the end time
    endTime = time.time()
    print('Took %.3f seconds' % (startTime - endTime)) 

Answer 1

問題 ：多重處理給出錯誤“ img不是一個numpy數組，也不是標量。”

pool_outputs = pool.apply_async(cartoonize, args=(image_path,))

您的代碼返回AsyncResult

Python»3.6.1文檔 » multiprocessing.pool.AsyncResult
class multiprocessing.pool.AsyncResult Pool.apply_async（）和Pool.map_async（） 返回的結果的類。