平行f(c)的这种奇怪行为怎么解释呢

我的神经网络库有问题。它使用多线程来加速计算。但是在大约30-60秒的运行时间后，我的程序不再使用我的i7 3610QM 4核心8线程的100%。

基本上，我的处理看起来像（带有伪代码的c#）

for each training example t in training set
    for each layer l in neural network
        Parallel.For(0, N, (int i)=>{l.processForward(l.regions[i])})
    for each layer l in neural network (but with reversed order)
        Parallel.For(0, N, (int i)=>{l.backPropageteError(l.regions[i])})

其中区域是层要处理的神经元的预先计算区域的列表。每个区域的大小都是当前层的1/N，所以任务的大小是相同的，以最大限度地减少其他线程需要等待最长任务完成的机会。

正如我所说，这种处理方案只在短时间内消耗了我处理器的100%，然后下降到大约80-85%。在我的情况下，我将N设置为Environment.ProcessorsCount（=8）；

如果有人愿意帮忙，我可以共享整个代码/存储库。

我试着调查并创建了一个新的控制台项目，并在那里放置了几乎Hello World of Parallel.Ford（），我根本不知道发生了什么。这可能是Parallel.For.（）的另一个问题，但我也希望你解决这个问题。这是代码：

class Program
{
    static void Main(string[] args)
    {
        const int n = 1;
        while (true)
        {
            //int counter = 0; for (int ii = 0; ii < 1000; ++ii) counter++;
            Parallel.For(0, n, (int i) => { int counter = 0; for (int ii = 0; ii < 1000; ++ii) counter++; });
        }
    }
}

在这段代码中，我不断地（当循环时）创建一个任务（n=1），它有一些工作要做（将计数器增加一千倍）。正如我所知，Parallel.For块执行/等待所有并行调用完成。如果这是真的，它应该做与评论部分相同的工作（假设n=1）。但在我的电脑上，这个程序使用了100%的CPU，就像有多个线程在工作一样！这怎么可能？当我切换到注释版本时，程序使用的CPU不到20%，这正是我所期望的。请帮我理解这种行为。