PyTorch的transforms.Compose为何CPU利用率可超过100%
在使用PyTorch的transforms.Compose进行图像预处理时，监控工具显示CPU利用率可能超过100%，例如达到116%-117%。这引发了一个疑问：Python拥有全局解释器锁（GIL），理论上应该限制单线程的CPU利用率不超过100%，为什么会出现这种情况？
问题的核心在于transforms.Compose的底层实现。虽然用户代码是用Python编写的，但transforms.Compose以及其中用到的transforms.Resize、transforms.CenterCrop、transforms.ToTensor和transforms.Normalize等变换函数，其核心计算部分并非完全由Python实现。PyTorch为了性能优化，大量使用了C/C++编写的高效代码。这些C/C++代码不受Python的GIL限制。
当执行transforms.Compose时，Python代码负责调度和组织各个变换步骤，但实际的图像处理操作（例如缩放、裁剪、归一化等）则由底层的C/C++代码执行。这些C/C++代码可以并行执行或充分利用多核CPU，从而导致整体CPU利用率超过100%。这并非意味着程序消耗了超过100%的CPU计算能力，而是监控工具显示的是所有CPU核心的利用率总和，而不仅仅是单个核心的利用率。
对比一下提供的等效Python代码，该代码完全用Python实现图像预处理的各个步骤。由于受GIL限制，其CPU利用率无法超过100%。这进一步佐证了PyTorch利用C/C++实现高性能计算，从而突破GIL限制的结论。 因此，即使监控工具显示CPU利用率超过100%，也并不意味着程序存在问题，而是PyTorch底层高效实现的结果。
