Es gibt keine n_jobs
Parameter für GaussianMixture. Inzwischen , wann immer fit ich das ModellSo steuern Sie die Anzahl der Prozesse in GaussianMix
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)
es erstreckt sich über 16 verarbeitet und nutzt die volle CPU-Leistung meiner 16 CPUs Maschine. Ich will nicht, dass es das macht.
Im Vergleich dazu hat Kmeansn_jobs
Parameter, die mutliprocessing steuert, wenn mehrere Initialisierungen (n_init
> 1) mit. Hier kommt das Multiprocessing aus heiterem Himmel.
Meine Frage ist, woher es kommt und wie man es kontrolliert?
Wow. Ich überprüfte die aktive BLAS-Bibliothek, die von numpy verwendet wurde, und setzte dann die Variable mit 'export OMP_NUM_THREADS = "4"; 'bevor das Skript ausgeführt wurde, war es der Trick. Ich danke dir sehr! – tarashypka
@tarashypka Und welches ist in Verwendung? MKL? Oder hat das sogar für einige der anderen Kandidaten funktioniert? – sascha
Die Ausgabe ist so etwas wie 'libraries = ['openblas', 'openblas']' – tarashypka