Python 报告的n_作业=1与jupyter中CPU使用量之间的差异

我在KneighborsClassifier上运行GridSearchCV，并将n_jobs超参数设置为-1，因此我所有的CPU都用于gridsearch。所以直觉上我认为应该有8种不同的超参数组合并行运行

在ubuntu上使用htop运行期间，我可以看到我所有的8个CPU都被python使用了99%，所以这看起来是意料之中的。 但jupyter在运行期间输出

[Parallel(n_jobs=1)]: Using backend SequentialBackend with 1 concurrent workers.

从代码输出中我可以看出，似乎所有的东西都是串行执行的，而不是并行执行的

这到底是怎么回事

编辑：代码

from sklearn.model_selection import GridSearchCV
param_grid_knn=[
    {
        'weights' : ['uniform','distance'],
        'n_jobs' : [-1],
        'n_neighbors' : [3,5,7],
        'p' :[1,2]
    }
]

knn = KNeighborsClassifier()
grid_search = GridSearchCV(knn,param_grid_knn,cv=5,scoring='accuracy',return_train_score=True,verbose=2,refit=True)
grid_search.fit(train_data,train_labels)

---

我找到了答案，n_jobs=1指的是GridSearchCV使用的n_jobs，默认值为1，因为我没有在其函数调用中指定它。

我找到了答案，n_jobs=1指的是GridSearchCV使用的n_jobs，默认情况下为1，因为我没有在其函数调用中指定它。

我假设所有子线程都有一个线程，但是有很多子线程，所以所有8个线程都在大部分时间使用。尝试发布完整代码，可能此消息表示KNN的

n_作业

等于1，无法确定是否有完整的代码我假设所有的子线程都有一个，但是有很多子线程，所以所有的8个线程大部分时间都在使用。试着发布完整的代码，可能这个消息表明KNN的

n_作业

等于1，无法确定是否有完整的代码