Python 如何控制高斯混合中的进程数

没有的

n_作业

参数。 同时，只要我适合这个模型

from sklearn.mixture import GaussianMixture as GMM
gmm = GMM(n_components=4,
          init_params='random',
          covariance_type='full',
          tol=1e-2,
          max_iter=100,
          n_init=1)
gmm.fit(X, y)

它跨越16个进程，使用我的16个CPU机器的全部CPU能力。我不希望它这样做

相比之下，has

n_jobs

参数在进行多次初始化时控制多处理（

n_init

>1）。这里突然出现了多处理

---

我的问题是它从何而来以及如何控制它？

您正在观察基本代数运算方面的并行处理，请加速/

修改此参数并不像设置

n_jobs

参数那么简单，这取决于您正在使用的实现

常见的候选者是ATLAS、OpenBLAS和Intel的MKL

我建议先检查使用哪一个，然后采取相应的行动：

import numpy as np
np.__config__.show()

可悲的是，这些东西会变得很糟糕。例如，MKL的有效环境可以如下所示：

对于ATLAS，您似乎在定义它

根据，这同样适用于OpenBLAS

经过OP测试，您似乎可以为设置环境变量，甚至对开源候选Atlas和OpenBLAS（其中编译时间限制是可选的）的行为进行修改：

---

哇！我检查了numpy正在使用的活动BLAS库，然后使用

export-OMP\u-NUM\u-THREADS=“4”设置变量在运行脚本之前完成了这项任务。非常感谢你@塔拉什ypka和哪一个正在使用？MKL？或者这对其他一些候选者有用吗？输出是这样的
libraries=['openblas'，'openblas']
export MKL_NUM_THREADS="2"
export MKL_DOMAIN_NUM_THREADS="MKL_BLAS=2"
export OMP_NUM_THREADS="1"
export MKL_DYNAMIC="FALSE"
export OMP_DYNAMIC="FALSE"

export OMP_NUM_THREADS="4";