ps前段时间一直在将肺结节检测和３Dcnn降阳性模型封装到一起．输入一个检查输出检测结果插入数据库．同时编写接口供前端和中间件调用．可检测结果的去假阳性这步还是不太令人满意．故再用3Dunet 降假阳性模型联合３Dcnn降阳性模型一起去假阳性．
由于想获取32*32*32的块（分辨率1*1*1mm）,故需要重采样．但是luna16中给的candidates_V2.csv有70多万个候选结节．而经过测试光是统一重采样这步要花费２ｓ多．算了下光截取结节就要１６天以上的时间．所幸其实一共的序列才８８８个．所以先将读取，重采样，归一化等处理了保存为npy,同时还要保存对应的Origin.npy．
在这里就有大量的列表操作．想到了DSB2017的代码中就有利用下面这两个函数来多进程操作列表计算．
from multiprocessing import Pool
from functools import partial下面看看实际情况下到底能加快多少（８８个序列）．
不用多进程花费时间：238.038193ｓ
多进程花费时间：48.443767ｓ
将近５倍的时间，感觉很不错．下面采７０多万个用上去能省不少时间呢．
下面介绍一下Ｐｏｏｌ多进程的关键步骤以防自己忘记．
１．pool = Pool()＃开启进程池
２．partial_getsave = partial(getsave, filenames=filenames, path=path, # 函数修饰器，将一些参数预先设定，后面调用更简洁 save_path=save_path)
这里getsave是多进程函数．filenames是列表
３．_=pool.map(partial_getsave,range(len(filenames)))
这步是多进程调用函数
４．pool.close() # 关闭进程池，不再接受新的进程 pool.join() # 主进程阻塞等待子进程的退出
没什么好多的退出多进程
５．关键是getsave函数的定义 def getsave(id,filenames,path,save_path):
主要是多了个id来对照range(len(filenames))．