Scikit learn “的含义；n_jobs==1“；在GridSearchCV中使用多个GPU

我一直在使用Keras框架和4个NVIDIA GPU来训练NN模型。（数据行数：~160000，列数：5）。现在我想使用GridSearchCV优化它的参数

然而，每当我试图将n_作业更改为一个以外的值时，我都会遇到几个不同的错误。错误，例如

CUDA OUT OF MEMORY
Can not get device properties error code : 3

然后我看了这个网页,， #如果您不使用GPU，可以将n#U作业设置为1以外的值

所以不可能将多个GPU与GridSearchCV一起使用

[环境] Ubuntu 16.04 Python 3.6.0 Keras/Scikit学习

---

谢谢

根据scikit learn中的常见问题解答，不支持GPU

您可以使用

n_作业

来使用CPU核心。如果您希望以最高速度运行，您可能希望使用几乎所有的内核：

import multiprocessing
n_jobs = multiprocessing.cpu_count()-1

---

他使用的是Keras（我想是sklearn包装器），所以支持GPU（如果后端支持的话）。使用所有内核会挂起其他进程的执行吗？你能详细解释一下为什么只使用一个内核会更好吗？使用所有的内核会减慢你计算机中的其他一切（它甚至可能不会为你的“程序”进行优化，但我不确定这种说法）。试试看。你在Keras使用什么后端？在@MarcusV之后。注释，请添加您正在使用的代码（特别是包含导入和

GridSearch

部分的代码）