我正在从 sklearn 包运行一些 K-Means 聚类。
尽管我按照 sklearn 文档中的说明设置了参数 n_jobs = 1，并且尽管正在运行单个进程，但该进程显然会消耗我机器上的所有 CPU。也就是说，在 top 中，我可以看到 python 作业正在使用，比如 400% 在 4 核机器上。
需要明确的是，如果我设置 n_jobs = 2 ，那么我会运行两个 python 实例，但每个实例都使用 200% 的 CPU，再次消耗了我机器的所有 4 个内核。
我相信问题可能是 NumPy/SciPy 级别的并行化。
有没有办法验证我的假设？例如，有没有办法关闭 NumPy/SciPy 中的任何并行化？
最佳答案
事实上，BLAS，或者在我的例子中是 OpenBLAS，正在执行并行化。
解决方案是将环境变量 OMP_NUM_THREADS 设置为 1 。
那么世界就一切正常了。
关于python - 检查或关闭 Numpy/SciPy 并行化，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/25693870/