Google Compute Engine上RealESRGAN单CPU满载，求4核利用优化方案

一、OpenCV多线程强制启用 #

• 在inference_realesrgan.py脚本开头添加以下代码，强制OpenCV使用全部4核CPU：

  import cv2
  cv2.setNumThreads(4)
  cv2.ocl.setUseOpenCL(True)
  

• 原理：默认OpenCV可能未充分激活多线程，手动设置线程数可让图像读写、格式转换等CPU密集环节并行执行。

二、批量图像并行处理改造 #

• 基于Python多进程库重构批量处理逻辑，避免单线程串行处理图像：
  1. 将原脚本中单张图像的处理流程（加载→超分→保存）封装为独立函数；
  2. 使用ProcessPoolExecutor创建4个进程（匹配CPU核心数），并行分发任务；
     核心改造代码示例：

  from concurrent.futures import ProcessPoolExecutor
  import os
  import argparse
  
  def process_img(img_path, output_dir, model_args):
      # 复制原脚本中单个图像的处理逻辑（含模型加载、超分、保存）
      # 注意：每个进程需独立加载模型，或通过共享内存优化重复加载
      pass
  
  if __name__ == '__main__':
      parser = argparse.ArgumentParser()
      # 保留原脚本的参数定义
      args = parser.parse_args()
      
      # 获取所有输入图像路径
      img_list = [os.path.join(args.i, f) for f in os.listdir(args.i) 
                  if f.lower().endswith(('.png', '.jpg', '.jpeg', '.bmp'))]
      
      # 启动多进程处理
      with ProcessPoolExecutor(max_workers=4) as executor:
          for img_path in img_list:
              executor.submit(process_img, img_path, args.o, args)
  

• 注意：若模型加载内存占用高，可考虑使用multiprocessing.Manager共享模型权重，或在进程初始化时加载一次模型。

三、依赖与参数调优 #

• 更新OpenCV至支持多线程的最新版本：

  conda activate base && conda install -c conda-forge opencv>=4.8.0
  

• 检查原脚本是否存在限制线程的代码，如cv2.setNumThreads(1)，若有则删除或修改为4。

四、系统级CPU优化 #

• 切换CPU至性能模式，避免动态降频影响性能：

  sudo cpupower frequency-set -g performance
  

• 关闭后台闲置进程，释放CPU资源。

内容的提问来源于stack exchange，提问作者FeHora