multiprocessing pool tqdm

根据提供的引用内容，这段代码是使用Python的multiprocessing库中的Pool和tqdm实现并行计算的示例[^1]。下面是对代码的解释和演示：

1. 导入必要的库和模块：

import tqdm
import glob
from multiprocessing import Pool

2. 定义并行处理函数：

def process_img(fname:str):
    try:
        # 进行一些操作
        i=1
        return True, ""
    except Exception as e:
        return False, str(e)

3. 使用进程池进行并行计算：

if __name__ == '__main__':
    with Pool(processes=None) as p:
        pbar = tqdm(total=1400)  # 创建进度条
        for succ, msg in p.map(process_img, glob.iglob("./imgs/*.jpg", recursive=True), 20):
            pbar.update()  # 更新进度条
            if not succ:
                print(msg)
        pbar.close()  # 关闭进度条

这段代码的作用是并行处理"./imgs/"目录下的所有.jpg文件，每次处理20个文件，并使用tqdm库显示处理进度。具体的步骤如下：
1. 导入必要的库和模块。
2. 定义并行处理函数。
3. 使用进程池进行并行计算，其中：
- `Pool(processes=None)`创建一个进程池，`processes=None`表示使用CPU核心数作为进程数。
- `pbar = tqdm(total=1400)`创建一个进度条，总共有1400个任务需要处理。
- `p.map(process_img, glob.iglob("./imgs/*.jpg", recursive=True), 20)`使用进程池的`map`方法并行处理`process_img`函数，`glob.iglob("./imgs/*.jpg", recursive=True)`返回匹配"./imgs/"目录下所有.jpg文件的可迭代对象，`20`表示每次处理20个文件。
- `pbar.update()`更新进度条。
- `if not succ: print(msg)`如果处理失败，则打印错误信息。
- `pbar.close()`关闭进度条。