1. 使用`multiprocessing`模块：
导入`multiprocessing`模块。
创建`Process`类的实例，并将任务执行函数作为参数传入。
使用`start（）`方法启动进程。
使用`join（）`方法等待进程执行完成。
示例代码：
```python
from multiprocessing import Process
def worker（）:
print（f"Worker {os.getpid（）} is running..."）
if __name__ == "__main__":
processes = []
for i in range（5）:
p = Process（target=worker）
processes.append（p）
p.start（）
for p in processes:
p.join（）
print（"All tasks are done."）
2. 使用`concurrent.futures`模块：导入`concurrent.futures`模块中的`ProcessPoolExecutor`。使用`submit（）`方法提交任务。使用`result（）`方法获取任务执行结果。示例代码：```pythonfrom concurrent.futures import ProcessPoolExecutor
def worker（num）:
print（f"Worker {num} is running..."）
return f"Result from worker {num}"
if __name__ == "__main__":
with ProcessPoolExecutor（） as executor:
results = [executor.submit（worker, i） for i in range（5）]
for result in results:
print（result.result（））
以上两种方法都可以实现多进程处理，但`multiprocessing`模块可以实现真正的并行计算，因为每个进程拥有自己的Python解释器和内存空间，不受全局解释器锁（GIL）的限制。而`concurrent.futures`模块提供了一个更高级别的接口，可以方便地管理进程池。
请根据具体需求选择合适的方法进行多进程处理