许多 numpy计算不受GIL的影响，但不是全部。
在不需要Python解释器的代码（例如C库）中，可以专门释放GIL-允许依赖于解释器的其他代码继续运行。在Numpy
C代码库中，宏
NPY_BEGIN_THREADS和
NPY_END_THREADS用于分隔允许GIL释放的代码块。您可以在numpy来源的搜索中看到这些内容。
该NumPy的C
API文档，对线程支持的更多信息。注意额外的宏
NPY_BEGIN_THREADS_DESCR，
NPY_END_THREADS_DESCR以及
NPY_BEGIN_THREADS_THRESHOLDED其处理条件GIL释放，依赖于阵列
dtypes和线圈的尺寸。
最核心的功能释放GIL
-例如通用功能（ufunc）这样做所描述的：
只要不涉及任何对象数组，就在调用循环之前释放Python全局解释器锁（GIL）。如有必要，可以重新获取它以处理错误情况。
关于您自己的代码，可以使用NumPy的源代码。检查以上宏所使用的功能（以及它们调用的功能）。还要注意的性能优势在很大程度上取决于
如何长 的GIL被释放-如果你的代码是不断输入/输出的Python的下降，你不会看到多大的改善。
另一个选择是对其进行测试。但是，请记住，使用条件GIL宏的函数可能会在大小数组上表现出不同的行为。因此，使用小型数据集进行的测试可能无法正确表示较大任务的性能。
官方Wiki上提供了有关numpy并行处理的其他信息，以及有关Programmers.SE的有关Python
GIL的有用文章。
