Multithreading Julia中线性回归的并行/多线程版本

我使用Julia

GLM

package实现了具有交互的回归模型：

Reg=lm（@formula（dep_var~var1&var2&var3），数据，真）

符合这个公式需要大量的RAM（>80GB），但我注意到计算是在一个内核上执行的，尽管我的操作系统（x86_64-pc-linux-gnu）有8个cpu内核

是否可以使用多处理/并行方法实现线性回归？

---

我想，它还可以提高模型的运行时间。

拟合回归模型基本上是做大量的矩阵运算。默认情况下，Julia正在使用BLAS，您可以做的最简单的事情是尝试将其配置为多线程。这需要在多线程设置中运行Julia，并设置

BLAS.set_num_threads（）

配置

开始Julia run之前：

set JULIA_NUM_THREADS=4

或者在Linux上

export JULIA_NUM_THREADS=4

启动Julia后，运行命令

BLAS.set_num_threads(4)

---

您应该观察到线性回归模型的性能有所提高。

非常感谢您的回答！我尝试了你的建议，但不幸的是，

BLAS.set\u num\u threads（4）

对我不起作用-仍然只使用了一个cpu内核，zabbix监控显示内存使用量增加。而且，模型运行时间增加了大约一分钟。有趣的是，我从来没有在我的机器上这样做过。Julia执行BLAS操作的代码在默认情况下始终是多线程的…在我的机器上，Julia执行的BLAS操作在默认情况下始终是多线程的。也就是说，我从来没有改变过任何环境变量。是否可能是您的计算中的其他原因导致了此问题？你的内存在任何时候都是最大的吗？您的机器开始使用交换吗？也许可以尝试一个更小的矩阵运算，比如，反转一个

5000x5000

矩阵，看看你的机器是否只使用一个内核。