树莓派4B实时图像处理：如何让np.sum()自动实现多核并行？

我在树莓派4B（四核ARM）上进行实时图像处理，处理的数据是2048×2048大小的uint8型8位无符号整数二维数组，其中关键操作是按行和列对数组求和，代码如下：

vertical   = np.sum(data, axis=0) 
horizontal = np.sum(data, axis=1)

我发现这些求和操作仅会占满一个CPU核心，其余三个核心处于闲置状态；但像a = np.dot(data, data)这类多线程NumPy操作则会占满四个核心。

为了加速，我手动启动四个独立线程拆分任务执行，各线程的操作如下：

# 线程1
vertical1   = np.sum(data[   0:1024,    :    ], axis=0)
# 线程2
vertical2   = np.sum(data[1024:2048,    :    ], axis=0)
# 线程3
horizontal1 = np.sum(data[    :    ,   0:1024], axis=1)
# 线程4
horizontal2 = np.sum(data[    :    ,1024:2048], axis=1)

线程执行完成后，我将两个垂直求和数组、两个水平求和数组分别相加，得到最终结果。

我想知道：是否可以通过配置或编译NumPy，让np.sum()自动实现上述的多核并行？毕竟部分线性代数例程显然已支持该特性。我曾尝试用np.dot()与全1向量点乘来实现求和，虽然能利用多核，但速度远慢于我手动拆分的四线程方案。

针对“Python仅支持单线程”的观点，这里引用Python文档内容说明：

……若使用NumPy进行数组操作，Python会释放全局解释器锁（GIL），这意味着采用NumPy风格编写代码时，大量计算可通过少量数组操作完成，从而借助多线程实现提速。

内容的提问来源于stack exchange，提问作者B A