机器学习AI算法工程 公众号：datayx
之前只用过单线程处理，加载模型进行测试，运行时间上也可以接受。但是现在需要处理比较大量的数据，如果进行线性处理，可能测试一次就花10个小时，而且还不知道结果怎么样，所以多线程就必须使用上了。有关线程部分主要参考：https://junyiseo.com/python/211.html
1 多线程
多线程类似于同时执行多个不同程序，线程在执行过程中与进程还是有区别的。每个独立的进程有一个程序运行的入口、顺序执行序列和程序的出口。但是线程不能够独立执行，必须依存在应用程序中，由应用程序提供多个线程执行控制。
特点：
线程可以被抢占（中断）。
在其他线程正在运行时，线程可以暂时搁置（也称为睡眠） – 这就是线程的退让。
应用场景：
使用线程可以把占据长时间的程序中的任务放到后台去处理。
用户界面可以更加吸引人，这样比如用户点击了一个按钮去触发某些事件的处理，可以弹出一个进度条来显示处理的进度
程序的运行速度可能加快
在一些等待的任务实现上如用户输入、文件读写和网络收发数据等，线程就比较有用了。在这种情况下我们可以释放一些珍贵的资源如内存占用等等。
以上内容来自：https://www.runoob.com/python/python-multithreading.html
2 使用多线程进行多模型加载和测试
先说一下如何分配多线程执行的思路：
由于单线程进行测试的时候是一张图像进一次网络，然后得到结果。其占用的显存很小，只有900MB左右，而这里使用的是11G显存,所以在这种条件下支持每一个线程分配一个模型，然后进行预测。
然后就是数据分配问题，多线程常常会遇到访问数据冲突的问题，但是这里我们可以避开这个问题，是用一个List存储所有图片，然后根据长度分配每个线程所要处理的图片多少。
剩下就可以看模板了。
这里提供一个模板，可以替换其中关键的测试图片的函数，然后就可以运行了。
全部代码获取方式：
关注微信公众号 datanlp 然后回复 多线程 即可获取。
结果：
加载了16个模型，同时进行处理：
本文主要提供了一个模板进行多模型加载，但是如果一个模型就很大的情况下，这种就明显不合适了。但可以想到的是一次从多个batch进行测试，然后记录结果。
机器学习算法AI大数据技术
搜索公众号添加： datanlp
不断更新资源
深度学习、机器学习、数据分析、python
搜索公众号添加： datayx
