pythonscikit学习n_作业

这不是一个真正的问题，但我想了解：

• 在Win7 4核8 GB系统上运行sklearn from Anaconda distrib
• 在200.000个样本*200个值表上拟合KMeans模型
• 使用n-jobs=-1运行：（在脚本中添加

  if\uuuu name\uuuu='\uuu main\uuuu':

  行后）我看到脚本以 每个10条线。每个进程使用大约25%的CPU（总计： 100%). 似乎和预期的一样
• 在n-jobs=1的情况下运行：停留在一个进程上（这并不奇怪），有20个线程，并且还使用100%的CPU

我的问题：如果库使用所有内核，那么使用n-jobs（和joblib）有什么意义？我错过什么了吗？这是Windows特有的行为吗

• 如果库使用所有内核，那么使用n-jobs（和joblib）有什么意义

---

如果将n_作业指定为-1，则它不会使用所有内核。如果设置为1或2，它将只使用一个或两个内核（在Linux下测试完成scikit learn 0.20.3）。

您应该使用

n_作业

或

joblib

，不要同时使用这两个内核。

说明：

此参数用于指定有多少个并发进程或 线程应该用于与joblib并行的例程

n_作业是一个整数，指定并发作业的最大数量 运营工人。如果给定1，则根本不使用joblib并行性， 这对调试很有用。如果设置为-1，则使用所有CPU。对于 使用-1以下的n个作业（n个CPU+1+n个作业）。例如 n_jobs=-2，使用除一个以外的所有CPU

n_jobs默认为None，表示未设置；通常是 解释为n_jobs=1，除非当前后端 上下文另有规定

有关joblib的使用及其与的交互的更多详细信息 scikit学习，请参考我们的

---

使用

n_jobs=1

时，它使用其中一个核心的100%cpu。每个进程都在不同的核心中运行。在有4个内核的linux中，我可以清楚地看到cpu的使用情况：

（100%，~5%，~5%，~5%）

当我运行

n_作业=1

和

（100%，100%，100%，100%）

当运行

n_作业=-1

时。每个进程100%使用给定的核心，但如果您有

n_jobs=1

则只使用一个核心。感谢您的回复。同时，我还无法重现这种现象，所以我猜这是由于机器或笔记本状态中的“某些东西”造成的。有趣的是，我看到H2O（GBM）作为单个进程运行，在我的8核机器上使用了几乎700%的CPU。@Luengo但似乎OMP_NUM_线程在使用sklearn.linear_model.LassoCV（n_作业=-1）时也可以控制最大CPU%。。。你知道为什么吗？（据我所知，sklearn没有使用OpenMP）您能解释一下原因吗？