GaussianMixture에서 프로세스 수를 제어하는 ​​방법

Question

GaussianMixture에 대해 n_jobs 매개 변수가 없습니다. 한편, 때마다 나는 모델

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) 

이 16 과정에 걸쳐 내 16 개의 CPU 머신의 전체 CPU 전원을 사용을 맞습니다. 나는 그렇게하기를 원하지 않는다.

이와 대조적으로, Kmeans은 복수 초기화 (n_init> 1)를 가질 때 mutlipcessing을 제어하는 ​​n_jobs 매개 변수를 갖습니다. 여기 다중 처리가 파란색에서 나옵니다.

제 질문은 어디에서 왔는지, 어떻게 제어합니까?

Answer 1

기본 대수 연산과 관련하여 병렬 처리를 관찰하면 BLAS/LAPACK의 속도가 향상됩니다.

수정하는 것은 n_jobs 매개 변수를 설정하는 것만 큼 간단하지 않으며 사용중인 구현에 따라 다릅니다.

일반적인 후보는 ATLAS, OpenBLAS 및 Intel의 MKL입니다.

import numpy as np 
np.__config__.show() 

는 슬프게도 이런 일이 tricky를 얻을 수 있습니다 :

나는 하나가 그에 따라 행동, 먼저 사용 검사를 권장합니다. 예를 들어 MKL에 대한 올바른 환경이 (source)과 같이 할 수 있습니다 : ATLAS를 들어

export MKL_NUM_THREADS="2" 
export MKL_DOMAIN_NUM_THREADS="MKL_BLAS=2" 
export OMP_NUM_THREADS="1" 
export MKL_DYNAMIC="FALSE" 
export OMP_DYNAMIC="FALSE" 

, 보인다, 당신은 compile-time에서이 문제를 정의합니다.

그리고 this answer에 따르면, OpenBLAS에도 동일하게 적용됩니다.

영업 이익은 테스트, 당신도 (컴파일 시간 제한이 대안) 오픈 소스 후보 아틀라스와 OpenBLAS을위한 행동 수정에 초래, OpenMP에 대한 환경 변수를 설정 멀리 얻을 수있는 것 같다

export OMP_NUM_THREADS="4";