我这里有个需求就是能够使用本机多个GPU对只能使用单GPU的模型进行推理，以能够释放多GPU的潜力，加速推理，节约时间。因为模型需要使用 torch 进行GPU运算，简单的调用 python 内建的 multiprocessing 无法正常执行，需要使用 torch.multiprocessing，后者支持前者完全相同的操作，但扩展了前者以便通过 multiprocessing.Queue 发送的所有张量将其数据移动到共享内存中，并且只会向其他进程发送一个句柄。

多进程使用多GPU

import math
import os

# 使用torch的multiprocessing，对原生multiprocessing进行了封装
import torch.multiprocessing as mp
from tqdm import tqdm
from fluorescence import add_pseudo_color, detect_fluorescence
from utils import show_allfiles

def split_list_to_nested_list(img_path_list, divider=8):
    """
    把一个长列表划分为均匀的子列表，返回包含这些子列表的嵌套列表

@param img_path_list: 图像列表
    @param divider: 划分子列表的个数
    """
    stride = int(math.ceil(len(img_path_list) / divider))
    img_paths_nested = [
        img_path_list[i * stride : i * stride + stride] for i in range(divider)
    ]
    # 返回的嵌套列表长度一定等于divider
    return img_paths_nested


if __name__ == "__main__":
    # 该目录下存放了所有伪彩色图像，等待进行荧光检测
    data_path = "/disk0/images"
    # 把所有图片的地址找到，组成图片地址列表
    img_paths = show_allfiles(path=data_path)
    # 均匀划分图片，使用多进程加速检测
    img_paths_nested = split_list_to_nested_list(img_path_list=img_paths, divider=divider)
    for i, p in enumerate(img_paths_nested):
        print(f"第{i}段{len(p)}张图像")
    # 设置多进程启动模式
    mp.set_start_method("spawn", force=True)
    # 检测服务器GPU个数
    divider = torch.cuda.device_count()
    # 对每一个GPU编号设置设备名
    devices = [
        torch.device(f"cuda:{i}") if torch.cuda.is_available() else torch.device("cpu")
        for i in range(divider)
    ]
    # 超参数
    threshold_remove_flu = 8.1
    # 创建一个进程列表，并启动每一个进程
    processes = []
    for dev, imgs in zip(devices, img_paths_nested):
        p = mp.Process(
            target=detect_fluorescence,
            args=(
                imgs,  # 图像列表
                dev,  # GPU设备名
                "vit_h",
                "/disk1/datasets/models/sam/sam_vit_h_4b8939.pth",
                threshold_remove_flu,
                64,
                0.75,
                0.75,
                100,
                1500,
                150000,
                0.5,
            ),
            name=f"Process-{dev}",
        )
        p.start()
        processes.append(p)
        print(f"Started {p.name}")

# 等待所有进程处理完成
    for p in processes:
        p.join()
        print(f"Finished {p.name}")
    # 打印所有图像处理完成
    print(f"Finished all")