什么'；为什么numpy在不同的Python环境下具有不同的并行速率？
我主要使用numpy和joblib构建了一个机器学习软件包。我在Python3.5.x上开发了它。numpy主要在计算部分发挥作用，而joblib则致力于实现并行部分。而我已经完成了Python3.5.x下的开发过程。我在Python3.6.x和Python3.7.x上重新测试了pkg。Python3.5.x下的pkg运行良好，它使用了我设置的CPU数量，而Python3.6.x下使用的CPU数量较少，Python3.7.x下使用了我计算机上几乎一半的CPU。您能补充一些详细信息吗。例如，您的结果表我在joblib中使用Parallel来实现多线程，并将工作进程（CPU）的数量设置为10。pkg在Python3.5.x中运行良好，正如我所希望的那样，Python3.5.x使用了十个cpu。然而，当我在Python3.7.x下重新测试pkg时，我的所有cpu都包含在该计算中，尽管我设置的工作进程数仍然等于10。我曾尝试使用环境变量，例如MKL_NUM_线程引用。这对Python3.7.x是有效的，但是对于Python3.6.x和Python3.8.x，它不起作用。我认为这可能与numpy版本有关。什么'；为什么numpy在不同的Python环境下具有不同的并行速率？,python,numpy,parallel-processing,Python,Numpy,Parallel Processing,我主要使用numpy和joblib构建了一个机器学习软件包。我在Python3.5.x上开发了它。numpy主要在计算部分发挥作用，而joblib则致力于实现并行部分。而我已经完成了Python3.5.x下的开发过程。我在Python3.6.x和Python3.7.x上重新测试了pkg。Python3.5.x下的pkg运行良好，它使用了我设置的CPU数量，而Python3.6.x下使用的CPU数量较少，Python3.7.x下使用了我计算机上几乎一半的CPU。您能补充一些详细信息吗。例如，您的结