为什么 python 线程会减慢更快的 R-CNN 的推理时间

Question

我正在开发一个流量跟踪系统，该系统分析已经收集的视频。我正在使用 opencv、threading、pytorch 和 dectron2。为了加快从 opencv 抓取帧的速度，我决定使用一个线程，它运行一个循环，用帧填充队列，如本文中所见。在实现这个之后，我可以像我的处理管道的其余部分一样快地访问帧，所以那里没有问题。当我现在对帧进行推理（只是通过 Faster R-CNN 模型的前向传递）时，就会出现问题，这需要 5 秒以上，而过去需要 0.11 秒。我的 GPU 正在被使用，而我的 CPU 远未充分利用。什么可能导致这种情况发生？

Answer 1

CPython 有一个全局解释器锁。这意味着解释器有一个大锁，它可以防止同时从多个线程评估 Python 字节码。用 C 实现并提供对高级操作的访问的包通常能够在运行时释放 GIL，但如果您的处理代码主要是 Python 和 CPU-bound，您将不会从多线程中获得任何加速：您'会有线程相互争斗，但由于 GIL，您的处理最终将完全按顺序进行。在这种情况下，您需要多处理来获得加速，GIL 是每个解释器的，因此不同进程中的独立解释器不会相互干扰。但是，通信/同步成本甚至更高。