Scikit learn 当我使用sklearn并行模块时“；从cdnmf快速导入“更新cdnmf快速”；，它的并行化不起作用

（这是我第一次提问，如果您认为标签或描述有问题，请告诉我，谢谢！）

我正在做一项关于矩阵分解的工作，并使用模块

sklearn.decomposition.nmf

该模块使用另一个模块

来自sklearn.decomposition.cdnmf\u fast import\u update\u cdnmf\u fast

此模块来自文件

cdnmf\u fast。因此

你可以在这个网站上查看它的源代码 我们可以看到它使用C语言和“with nogil:”，所以我认为它一定使用了并行化。 因此，我编写了一个类似的代码来测试它，如下所示：

from sklearn.decomposition.cdnmf_fast import _update_cdnmf_fast
import numpy as np
from numpy import *
M = 3
X = zeros((M,M), dtype="float64")
U = ones((M,M), dtype="float64")
V = np.arange(M*M).reshape(M,M).astype("float64")
permutation = np.arange(M)
print X
print U
print V
print permutation
x = _update_cdnmf_fast(X,U,V,permutation)
print X

预期的结果是X=X+V-W*U=0+V-0=V。但是，结果很奇怪，而且比np.dot（）慢得多。 然后我将此代码更改为普通python代码，而不是并行化代码。 结果和以前一样。 所以我确信它的并行化是不起作用的。 因为它在改变X的同时使用X，结果当然是错误的。 我不知道为什么它的并行化不起作用。 这是由于模块的缺陷还是我导入的方法

实际上，当我使用sklearn.decomposition.nmf模块时，这让我很担心，我不确定当我使用这个模块时，它的并行化是否也不起作用。所以我想知道它是如何使并行化工作的

---

谢谢你的帮助

使用nogil

不会使某些东西并行，它只会释放GIL，以便可以并行化（例如，可以从两个python线程调用该函数，并且它们可以同时运行）@chrisb是正确的。在这种情况下，函数看起来不像使用多个线程

np.dot

通常相当快，可能是并行的。