Python 如何加快交叉评分？

我想使用

sklearn.model\u selection.cross\u val\u score

在MNIST数据集上评估SGDClassizer。 我用了大约6分钟的时间打了3折。 如何使用全系统电源（我的意思是使用从CPU到图形卡等的所有设备）来加快进程 顺便说一下，我在监控CPU使用情况时，它只使用了54%的电源

from sklearn.datasets import fetch_openml
from sklearn.linear_model import SGDClassifier
from sklearn.model_selection import cross_val_score

mnist = fetch_openml('mnist_784')
X, y = mnist['data'], mnist['target']
X_train, X_test, y_train, y_test = X[:60000], X[60000:], y[:60000], y[60000:]
y_train_5 = (y_train == 5)
y_test_5 = (y_test == 5)

sgd_clf = SGDClassifier(random_state=42)
sgd_clf.fit(X_train, y_train)

cross_val_score(sgd_clf, X_train, y_train, cv=3, scoring='accuracy')

从：

n\u作业：int或None，可选（默认为None）

用于执行计算的CPU数。None表示1，除非在joblib.parallel_后端上下文中-1表示使用所有处理器

i、 e.您可以使用所有可用的内核

cross_val_score(sgd_clf, X_train, y_train, cv=3, scoring='accuracy', n_jobs=-1)

或者指定一些其他值

n_jobs=k

，如果使用所有内核会使您的机器速度变慢或无响应

---

这将使用更多的CPU核；据我所知，scikit中没有学习将计算卸载到GPU的功能。

尝试将

n_jobs=x

放置在

x>1

内部

交叉值得分

。不确定它是否有效，但您知道sklearn是否在工作进程之间共享数据集或为每个工作进程复制数据集吗？否则，这可能会导致内存不足error@ShihabShahriarKhan我想它是共享的，但不确定，你最好检查一下，看看进展如何