Python NLP中word2vec中的workers参数是什么

在下面的代码中。 我不明白工人参数的含义。

---

model=Word2Vec（句子，大小=300000，窗口=2，最小计数=5，工人=4）

工人=使用这么多工人线程来训练模型（=使用多核机器进行更快的训练）

如果您的系统有2个内核，并且指定workers=2，那么数据将以两种并行方式进行训练

---

默认情况下，worker=1，即没有并行化

workers=使用这么多的worker线程来训练模型（=使用多核机器进行更快的训练）

如果您的系统有2个内核，并且指定workers=2，那么数据将以两种并行方式进行训练

---

默认情况下，worker=1，即没有并行化

，正如其他人所提到的，

worker

控制同时进行训练的独立线程的数量

一般来说，您永远不希望使用超过CPU内核数量的工人

但是，由于诸如Python“全局解释器锁”（'GIL'）及其一些IO/语料库处理设计决策等问题，gensim

Word2Vec

实现面临着更多的线程间瓶颈

因此，对于具有大量内核的系统，例如超过16个内核的系统，最大吞吐量的最佳

workers

值通常小于完整的内核数–通常在3-12范围内。（准确的数字将取决于语料库处理的其他方面和所选的元参数，目前最常通过反复试验发现。）

---

如果您的语料库已经采用了特定的文本格式，那么最新的gensim版本3.6.0提供了一种新的输入模式，允许更好地扩展

工作人员

，直至CPU核数。有关详细信息，请参阅

正如其他人提到的，

工作者

控制同时进行培训的独立线程的数量

一般来说，您永远不希望使用超过CPU内核数量的工人

但是，由于诸如Python“全局解释器锁”（'GIL'）及其一些IO/语料库处理设计决策等问题，gensim

Word2Vec

实现面临着更多的线程间瓶颈

因此，对于具有大量内核的系统，例如超过16个内核的系统，最大吞吐量的最佳

workers

值通常小于完整的内核数–通常在3-12范围内。（准确的数字将取决于语料库处理的其他方面和所选的元参数，目前最常通过反复试验发现。）

如果您的语料库已经采用了特定的文本格式，那么最新的gensim版本3.6.0提供了一种新的输入模式，允许更好地扩展

工作人员

，直至CPU核数。有关详细信息，请参阅

您可以使用来确定案例中线程数的正确使用

from gensim.utils import effective_n_jobs

effective_n_jobs(1)
effective_n_jobs(-1)
effective_n_jobs(None)
effective_n_jobs(12)
effective_n_jobs(10)

# outputs
1
12
1
12
10

您可以使用来确定案例中线程数的正确使用

from gensim.utils import effective_n_jobs

effective_n_jobs(1)
effective_n_jobs(-1)
effective_n_jobs(None)
effective_n_jobs(12)
effective_n_jobs(10)

# outputs
1
12
1
12
10

---

workers

是模型训练的线程数，越高的线程数=训练越快。-我投票结束这个问题，因为这是RTFM的一个例子。

workers

是模型训练的线程数，越高的线程数=训练越快。-我投票结束这个问题，因为这是RTFM的一个例子。