异步运行同一函数多实例并获取输出：机器学习模型训练异步代码协程未被await报错求助

首先，你遇到的RuntimeWarning确实是因为直接调用异步函数（async def定义的函数）只会返回一个协程对象，不会实际执行它——必须通过await关键字或者asyncio.run()来触发协程的执行。另外你的示例代码里还有个关键问题：用了同步的time.sleep()，这会阻塞整个异步事件循环，应该换成异步的asyncio.sleep()。

我们一步步来修正并实现你的需求：

第一步：修正单个异步函数的执行逻辑 #

先把你的示例代码改成可正常运行的版本，解决警告问题并正确获取返回值：

import asyncio

nrs_list = [1, 2, 3, 4, 5]

def subtract(n):
    return n - 1

async def subtract_nrs(nrs):
    # 模拟模型训练逻辑
    numbers = {nr: subtract(nr) for nr in nrs}
    # 替换为异步sleep，避免阻塞事件循环
    await asyncio.sleep(5)
    # 原代码里的循环检查逻辑其实没必要，因为subtract是同步执行的，直接返回结果即可
    return numbers

# 用asyncio.run()启动顶层协程，这是Python 3.7+推荐的异步入口方式
result = asyncio.run(subtract_nrs(nrs_list))
print(result)

运行这段代码后，你会看到正确输出{1: 0, 2: 1, 3: 2, 4: 3, 5: 4}，且不再出现警告。

第二步：实现多个异步任务的并行执行 #

你的核心需求是并行运行多个模型训练任务，这里可以用asyncio.gather()来同时启动多个协程，等待所有任务完成后统一收集返回值。

比如，假设你要给不同的数据集/模型参数启动多个训练任务：

import asyncio

# 模拟不同的训练数据集
dataset_1 = [1,2,3]
dataset_2 = [4,5,6]
dataset_3 = [7,8,9]

# 创建多个并行执行的协程任务
tasks = [
    subtract_nrs(dataset_1),
    subtract_nrs(dataset_2),
    subtract_nrs(dataset_3)
]

# 定义主协程，用于调度所有并行任务
async def main():
    # 用gather等待所有任务完成，返回结果列表
    all_results = await asyncio.gather(*tasks)
    # 遍历输出每个任务的结果
    for idx, res in enumerate(all_results):
        print(f"模型训练任务{idx+1}结果: {res}")

# 启动主协程
asyncio.run(main())

运行这段代码，三个任务会并行执行（总耗时约5秒，而非串行的15秒），最后会依次输出每个任务的返回值。

针对机器学习训练的额外提示 #

如果你的模型训练代码是同步的（比如用scikit-learn、PyTorch的同步API），直接放到async函数里可能无法真正并行——因为同步代码会阻塞异步事件循环。这种情况下，建议用asyncio.to_thread()把同步训练任务放到线程池执行，既能利用异步框架的调度能力，又不会阻塞事件循环：

# 假设这是你的同步模型训练函数
def sync_train_model(dataset):
    # 这里写实际的模型训练逻辑（比如数据加载、训练、评估）
    return f"训练完成，数据集长度: {len(dataset)}"

async def train_model(dataset):
    # 将同步训练任务提交到线程池，避免阻塞事件循环
    result = await asyncio.to_thread(sync_train_model, dataset)
    return result

# 之后同样用asyncio.gather启动多个并行训练任务
async def main():
    tasks = [train_model(dataset_1), train_model(dataset_2), train_model(dataset_3)]
    results = await asyncio.gather(*tasks)
    print(results)

asyncio.run(main())

这样就能真正实现多个模型训练任务的并行执行，同时正确获取所有返回值。

内容的提问来源于stack exchange，提问作者Tim Stack