一次使用threading.Thread来实现Pytorch多个模型并发运行的失败案例

背景

我有多个pytorch GPU模型，他们有不同的参数（也就是说不是共享的），但是相同的数据输入，想要并发运行。

不并发运行，当然就是循环喽。

results=[]
for i in range(m):
	results.append(models[i](batch))#一个接一个地运行

我想要并发，因为m有点大。像上面循环的话m=30以上速度就有点受不了了。我看过了，我的GPU还有很多空间，起码放上去10个模型同时跑没有问题。

我的做法（但证明不起效果）

我想到了多线程，如下：

class MyThread_forward(threading.Thread):  #自定义线程类
    def __init__(self, model,batch):
        threading.Thread.__init__(self)
        self.model = model              
        self.batch=batch
    def run(self):                    
        self.result=self.model(self.batch) 
    def get_result(self): 
        return self.result

def multi_thread_forward():
    threads=[]
    for  i in range(self.args.m):#创建多个线程
        threads.append(MyThread_forward(self.models[i],batch))
    for thread in threads:#各个线程开始并发运行。
        thread.start()
    for thread in threads:#等待各个线程运行完毕再执行下面代码。
        thread.join()    
    results= []
    for thread in threads:
    	results.append(thread.get_result())  #每个线程返回结果(result)加入列表中
    return results
    
multi_thread_forward()#多线程运行。

结果就是不起效果好像，还是运行得很慢，咋回事捏。