我即将编写一些计算密集型Python代码，这些代码几乎肯定会把大部分时间花在numpy的线性代数函数中。
眼前的问题是令人尴尬的平行问题。长话短说，对我来说，利用这一点最简单的方法就是使用多个线程。几乎可以肯定的是，主要的障碍将是全球解释器锁（GIL）。
为了帮助设计这一点，有一个心理模型会很有用，numpy操作可以在其持续时间内释放GIL。为此，我非常感谢任何经验法则、注意事项、建议等。
如果重要的话，我在Linux上使用64位Python 2.7.1，numpy 1.5.1和scipy 0.9.0rc2是用"英特尔MKL 10.3.1"构建的。
相当多的numpy例程发布了GIL，因此它们可以在线程中高效地并行（信息）。也许你不需要做任何特别的事情！
你可以用这个问题来确定你需要的例程是否在发布GIL的例程中。简而言之，在源中搜索ALLOW_THREADS或nogil。
（还要注意，MKL能够为一个例程使用多个线程，因此这是获得并行性的另一种简单方法，尽管可能不是最快的方法）。
您可能会在官方wiki上找到有关NumPy和并行编程的所有问题的答案。
另外，请看一下这个配方页面——它包含了如何将NumPy与多个线程一起使用的示例代码。
令人尴尬的平行？麻木？听起来像是PyCUDA或PyOpenCL的一个很好的候选者。