Python LDA模型与joblib并行计算误差

我有一些代码在一堆CSV行上执行LDA模型

lda_model = LatentDirichletAllocation(
    n_components=20,           # Number of topics
    max_iter=10,               # Max learning iterations
    learning_method='online',   
    random_state=100,          # Random state
    batch_size=128,            # n docs in each learning iter
    evaluate_every = -1,       # compute perplexity every n iters, default: Don't
    n_jobs = -1,               # Use all available CPUs
)

if __name__ == "__main__":
    lda_output = lda_model.fit_transform(data_vectorized)
    print(lda_model) 

我第一次运行它时没有

if\u name\u行

，没有任何问题。第二次运行时，出现了错误

ImportError: [joblib] Attempting to do parallel computing without
protecting your import on a system that does not support forking. To
use parallel-computing in a script, you must protect your main loop
using "if __name__ == '__main__'". Please see the joblib documentation
on Parallel for more information.

---

因此，我尝试添加

if\u name\u

代码以使其工作。我仍然有问题。我试着在我的代码中的不同位置（我在Windows上）插入它，但没有任何效果。是否需要添加其他内容？

您是否使用IPython（例如Jupyter）？在使用交互式python的windows上使用

joblib

时存在一个已知问题。我使用的是Spyder环境，我相信它使用的是IPython控制台。谢谢你的提示。我看看能不能解决这个问题。看看有没有可能的解决办法。