Len (os.sched_getaffinity(0))是您通常需要的

https://docs.python.org/3/library/os.html#os.sched_getaffinity

os.sched_getaffinity(0)(在Python 3中添加)返回考虑sched_setaffinity Linux系统调用的可用cpu集，该调用限制了进程及其子进程可以在哪些cpu上运行。

0表示获取当前进程的值。该函数返回一组允许使用的cpu()，因此需要使用len()。

另一方面，multiprocessing.cpu_count()和os.cpu_count()只返回物理cpu的总数。

这种差异尤其重要，因为某些集群管理系统(如Platform LSF)使用sched_getaffinity限制作业CPU的使用。

因此，如果您使用multiprocessing.cpu_count()，您的脚本可能会尝试使用比可用内核更多的内核，这可能会导致过载和超时。

通过限制与任务集实用程序的亲和性，我们可以看到具体的区别，它允许我们控制进程的亲和性。

最小任务集示例

例如，如果在我的16核系统中，我将Python限制为1个核心(核心0):

taskset -c 0 ./main.py

使用测试脚本:

main.py

#!/usr/bin/env python3

import multiprocessing
import os

print(multiprocessing.cpu_count())
print(os.cpu_count())
print(len(os.sched_getaffinity(0)))

那么输出为:

16
16
1

Vs nproc

Nproc默认情况下尊重亲缘性，并且:

taskset -c 0 nproc

输出:

1

man nproc把这一点说得很清楚:

打印可用的处理单元数量

因此，len(os.sched_getaffinity(0))在默认情况下的行为类似于nproc。

nproc有——all标志，在不太常见的情况下，你想要获得物理CPU计数而不考虑任务集:

taskset -c 0 nproc --all

操作系统。cpu_count文档

操作系统文档。Cpu_count还简要地提到了这个https://docs.python.org/3.8/library/os.html#os.cpu_count

这个数字并不等同于当前进程可以使用的cpu数量。可用cpu的数量可以通过len(os.sched_getaffinity(0))获得。

同样的注释也复制到multiprocessing的文档中。cpu_count: https://docs.python.org/3/library/multiprocessing.html # multiprocessing.cpu_count

在Lib/multiprocessing/context.py下的3.8源代码中，我们也看到了multiprocessing. py。Cpu_count只是转发给os。cpu_count，只是如果os. cpu_count是多处理的，则会抛出异常而不是返回None。cpu_count失败:

    def cpu_count(self):
        '''Returns the number of CPUs in the system'''
        num = os.cpu_count()
        if num is None:
            raise NotImplementedError('cannot determine number of cpus')
        else:
            return num

3.8可用性:具有本机sched_getaffinity函数的系统

这个操作系统唯一的缺点。sched_getaffinity是在Python 3.8之后才出现的。

cpython 3.8似乎只是试图在配置时使用sched_setaffinity函数调用编译一个小型C hello世界，如果没有出现HAVE_SCHED_SETAFFINITY，则该函数可能会丢失:

https://github.com/python/cpython/blob/v3.8.5/configure#L11523 https://github.com/python/cpython/blob/v3.8.5/Modules/posixmodule.c#L6457

psutil.Process().cpu_affinity(): Windows端口号的第三方版本

第三方psutil包(pip install psutil)已在https://stackoverflow.com/a/14840102/895245上提到，但没有提到cpu_affinity函数:https://psutil.readthedocs.io/en/latest/#psutil.Process.cpu_affinity

用法:

import psutil
print(len(psutil.Process().cpu_affinity()))

这个函数的作用与标准库os。在Linux上的sched_getaffinitymask，但是他们也在Windows上实现了它，通过调用GetProcessAffinityMask Windows API函数:

https://github.com/giampaolo/psutil/blob/ee60bad610822a7f630c52922b4918e684ba7695/psutil/_psutil_windows.c#L1112 https://learn.microsoft.com/en-us/windows/win32/api/winbase/nf-winbase-getprocessaffinitymask

换句话说:那些Windows用户必须停止懒惰，并发送一个补丁到上游的stdlib:-)

在Ubuntu 16.04, Python 3.5.2中测试。

如果你使用手电筒，你可以做:

import torch.multiprocessing as mp

mp.cpu_count()

torch中的mp库具有与python主库相同的接口，所以你也可以这样做，正如评论者所提到的:

python -c "import multiprocessing; print(multiprocessing.cpu_count())"

希望这能有所帮助!;)有多个选择总是好的。

不知道如何添加到代码或回复消息，但这里有对jython的支持，你可以在放弃之前添加进去:

# jython
try:
    from java.lang import Runtime
    runtime = Runtime.getRuntime()
    res = runtime.availableProcessors()
    if res > 0:
        return res
except ImportError:
    pass

如果您对当前进程可用的处理器数量感兴趣，则必须首先检查cpuset。否则(或者如果没有使用cpuset)， multiprocessing.cpu_count()是Python 2.6及更新版本的方法。下面的方法可以追溯到较旧版本的Python中的两个替代方法:

import os
import re
import subprocess


def available_cpu_count():
    """ Number of available virtual or physical CPUs on this system, i.e.
    user/real as output by time(1) when called with an optimally scaling
    userspace-only program"""

    # cpuset
    # cpuset may restrict the number of *available* processors
    try:
        m = re.search(r'(?m)^Cpus_allowed:\s*(.*)$',
                      open('/proc/self/status').read())
        if m:
            res = bin(int(m.group(1).replace(',', ''), 16)).count('1')
            if res > 0:
                return res
    except IOError:
        pass

    # Python 2.6+
    try:
        import multiprocessing
        return multiprocessing.cpu_count()
    except (ImportError, NotImplementedError):
        pass

    # https://github.com/giampaolo/psutil
    try:
        import psutil
        return psutil.cpu_count()   # psutil.NUM_CPUS on old versions
    except (ImportError, AttributeError):
        pass

    # POSIX
    try:
        res = int(os.sysconf('SC_NPROCESSORS_ONLN'))

        if res > 0:
            return res
    except (AttributeError, ValueError):
        pass

    # Windows
    try:
        res = int(os.environ['NUMBER_OF_PROCESSORS'])

        if res > 0:
            return res
    except (KeyError, ValueError):
        pass

    # jython
    try:
        from java.lang import Runtime
        runtime = Runtime.getRuntime()
        res = runtime.availableProcessors()
        if res > 0:
            return res
    except ImportError:
        pass

    # BSD
    try:
        sysctl = subprocess.Popen(['sysctl', '-n', 'hw.ncpu'],
                                  stdout=subprocess.PIPE)
        scStdout = sysctl.communicate()[0]
        res = int(scStdout)

        if res > 0:
            return res
    except (OSError, ValueError):
        pass

    # Linux
    try:
        res = open('/proc/cpuinfo').read().count('processor\t:')

        if res > 0:
            return res
    except IOError:
        pass

    # Solaris
    try:
        pseudoDevices = os.listdir('/devices/pseudo/')
        res = 0
        for pd in pseudoDevices:
            if re.match(r'^cpuid@[0-9]+$', pd):
                res += 1

        if res > 0:
            return res
    except OSError:
        pass

    # Other UNIXes (heuristic)
    try:
        try:
            dmesg = open('/var/run/dmesg.boot').read()
        except IOError:
            dmesgProcess = subprocess.Popen(['dmesg'], stdout=subprocess.PIPE)
            dmesg = dmesgProcess.communicate()[0]

        res = 0
        while '\ncpu' + str(res) + ':' in dmesg:
            res += 1

        if res > 0:
            return res
    except OSError:
        pass

    raise Exception('Can not determine number of CPUs on this system')

如果你有版本为>= 2.6的python，你可以简单地使用

import multiprocessing

multiprocessing.cpu_count()

http://docs.python.org/library/multiprocessing.html#multiprocessing.cpu_count

你也可以使用“joblib”来达到这个目的。

import joblib
print joblib.cpu_count()

此方法将为您提供系统中的cpu数量。但是Joblib需要安装。更多关于joblib的信息可以在这里找到https://pythonhosted.org/joblib/parallel.html

或者，您可以使用python的numexpr包。它有很多简单的功能，有助于获取关于系统cpu的信息。

import numexpr as ne
print ne.detect_number_of_cores()