如何控制GaussianMixture中的进程数

Question

n_jobs没有GaussianMixture参数。同时，每当我适合模特

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)

它跨越16个进程并使用我的16 CPU机器的全部CPU功率。我不希望它这样做。

相比之下，Kmeans具有n_jobs参数，可在多次初始化时控制多重处理（n_init> 1）。多处理在这里出乎意料。

我的问题是它来自何处以及如何控制它？

Answer 1

您正在观察基本代数运算的并行处理，加速BLAS / LAPACK。

修改它并不像设置n_jobs参数那么简单，取决于您使用的实现！

常见的候选人是ATLAS，OpenBLAS和英特尔的MKL。

我建议先检查哪一个使用，然后采取相应措施：

import numpy as np
np.__config__.show()

可悲的是，这些东西可以得到tricky。例如，MKL的有效环境可能看起来像这样(source)：

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"

对于ATLAS，似乎你在compile-time定义了这个。

根据this answer，同样适用于OpenBLAS。

在OP测试中，似乎你可以为OpenMP设置环境变量，即使对于开源候选人Atlas和OpenBLAS（编译时限制是另一种选择），也可以改变行为：

export OMP_NUM_THREADS="4";