np.linalg.inv是否持有GIL？多线程无加速反而变慢问题咨询

我了解大多数NumPy操作会释放GIL，因此在Python多线程环境下能获得预期的加速效果，但发现np.linalg.inv并非如此。

实验 #

我进行了如下实验：

import numpy as np
import time
from concurrent.futures import ThreadPoolExecutor


def numpy_op(arr):
    # 执行矩阵求逆
    return np.linalg.inv(arr)

num_workers = 8
np.random.seed(42)
args = [np.random.randn(10000, 10000) for _ in range(num_workers)]

# 线程池并行执行
s_time = time.time()
with ThreadPoolExecutor(max_workers=num_workers) as executor:
    res = list(executor.map(numpy_op, args))

# 串行执行
res = []
for arg in args:
    res.append(numpy_op(arg))
print(f'耗时: {time.time()-s_time:.2f}s')

结果 #

• 多线程：36.44s
• 串行：28.14s

但如果换成其他NumPy操作，比如：

def numpy_op(arr):
    # 一些普通NumPy运算
    return (arr**2 + 2) ** 0.5

结果 #

• 多线程：0.62s
• 串行：3.71s

版本信息 #

使用的版本为Python 3.9.10和NumPy 1.24.3

内容的提问来源于stack exchange，提问作者noah0822