Python 工作進程池可以幫助我們以一種更高效、并行的方式處理任務，從而提高代碼執行速度。Python 官方標準庫提供了一個 multiprocessing 庫，它為我們提供了非常方便的工作進程池實現。

下面是一個創建固定大小進程池、并在進程池中執行任務的例子：

import multiprocessing
import time
# 定義一個工作進程的任務函數
def worker(num):
"""進程池中進程執行的函數"""
print('Worker:', num)
time.sleep(1)
return
if __name__ == '__main__':
# 創建一個固定大小的進程池
pool = multiprocessing.Pool(processes=4)
# 向進程池提交任務
for i in range(10):
pool.apply_async(worker, args=(i,))
# 關閉進程池，不再接受新的任務
pool.close()
# 等待進程池中所有任務完成
pool.join()
print('All done.')

在這個例子中，我們使用 multiprocessing.Pool(processes=4) 創建了一個大小為 4 的進程池。接著，我們向進程池中提交了 10 個任務，每個任務都是通過 pool.apply_async(worker, args=(i,)) 提交的，并且與進程池中的進程一起執行。

等待所有任務完成后，我們調用 pool.join() 等待所有進程池中的進程結束。最后，我們打印出 'All done.' 表示任務全部完成。