Linux 为什么sklearn的核心活动在RFECV/LogisticReturnal之后减少

我正在使用sklearn的特征提取RFECV，它有一个参数“n_jobs”来分配核心使用

我有一个英特尔i5-8400处理器，2.80GHz（6核）

我正在运行ubuntu 16.04（64位）。python、sklearn等的最新版本

我有两台jupyter笔记本同时运行。我在RFECV中使用n_jobs参数将5个内核分配给一个，将1个内核分配给另一个

下面是调用5个内核的代码，这5个内核无法按预期工作：

logreg = LogisticRegression()
rfe = RFECV(logreg, step=3, cv=10, n_jobs=5)
rfe = rfe.fit(X_lab, y_lab)
y_pred=rfe.predict(X_lab),

不管怎样，当我进入睡眠状态时，通过linux“top”命令查看CPU使用情况，它显示所有6个内核都处于活动状态，并且几乎达到100%的使用率（这是我所期望的）。但是，当我醒来时，只有2个正在运行，正如您在linux上的“top”调用的前3行中所看到的：

PID USER      PR  NI    VIRT    RES    SHR S  %CPU %MEM     TIME+ COMMAND

10790 ted       20   0 1489568 416948  37064 R 100.0  1.7   2456:08 python3.6                          
781 ted       20   0 1621052 392824  36348 R  99.7  1.6  13:04.46 python3.6                          
937 root      20   0  481136 106528  83944 S   8.0  0.4  42:49.95 Xorg 

---

我有一个相当好的液体冷却系统在我的CPU，大量的RAM，我不超频。我是否过度使用了我的CPU，或者这可能是关于如何在sklearn上实现并行性的问题，或者完全是其他问题？有什么想法吗

所以我认为这只是算法中sklearn的实现。该算法在上一篇文章发表后大约一个小时内运行，显然比n_jobs=1版本运行得更快。我再次运行它，它显示了所有的内核都正常工作，所以我相信可以说它是“逐渐结束”的，并且完成了算法中计算量很大的部分