我想知道，在使用 GridSearchCV( ..., n_jobs = ... ) 选择模型的最佳参数集时，n_jobs = -1 和 n_jobs 使用较大数字（例如 n_jobs = 30）哪个更好？
根据Sklearn的文档：
n_jobs = -1表示计算将在计算机的所有CPU上分发执行。
在我的PC上，我使用的是Intel i3 CPU，拥有2个核心和4个线程，那么这是否意味着如果我设置 n_jobs = -1，它实际上相当于 n_jobs = 2？
回答：
…这是否意味着如果我设置
n_jobs = -1，它实际上相当于n_jobs = 2？
这个问题很简单：
Python（内部使用scipy / joblib的 GridSearchCV()）会检测CPU核心的数量，以合理安排并发（独立）进程的执行，这是在请求使用 n_jobs = -1 设置的情况下进行的。
看到3个CPU核心很有趣？
在某些虚拟化机器的情况下，可以模拟CPU/核心，结果并不像在你熟悉的Intel CPU/i3情况下那么简单明了。
如果有疑问，可以使用一个简化的案例进行测试（在确实较小的数据集上，而非完整的模型空间搜索…），然后继续验证这个结论。
import psutil; print( "{0:17s}{1:} CPUs PHYSICAL".format( "psutil:", psutil.cpu_count( logical = False ) ) )pass; print( "{0:17s}{1:} CPUs LOGICAL".format( "psutil:", psutil.cpu_count( logical = True ) ) )...类似的主机平台“自我检测”可能会报告更多关于不同系统/设置的详细信息：
'''sys: linux 3.6.1 (default, Jun 27 2017, 14:35:15) .. [GCC 7.1.1 20170622 (Red Hat 7.1.1-3)]multiprocessing: 1 CPU(s)psutil: 1 CPUs PHYSICALpsutil: 1 CPUs LOGICALpsutil: psutil.cpu_freq( per_cpu = True ) not able to report. ?( v5.1.0+ )psutil: 5.0.1psutil: psutil.cpu_times( per_cpu = True ) not able to report. ?( vX.Y.Z+ )psutil: 5.0.1psutil: svmem(total=1039192064, available=257290240, percent=75.2, used=641396736, free=190361600, active=581107712, inactive=140537856, buffers=12210176, cached=195223552, shared=32768)numexpr: ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ModuleNotFoundError: No module named 'numexpr'.joblib: ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ModuleNotFoundError: No module named 'joblib'.sklearn/joblib: ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ModuleNotFoundError: No module named 'sklearn.externals.joblib' '''或者
''' [i5]>>> numexpr.print_versions()-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=Numexpr version: 2.5NumPy version: 1.10.4Python version: 2.7.13 |Anaconda 4.0.0 (32-bit)| (default, May 11 2017, 14:07:41) [MSC v.1500 32 bit (Intel)]AMD/Intel CPU? TrueVML available? TrueVML/MKL version: Intel(R) Math Kernel Library Version 11.3.1 Product Build 20151021 for 32-bit applicationsNumber of threads used by default: 4 (out of 4 detected cores)-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-='''…在使用GridSearchCV选择模型的最佳参数集时，
n_jobs = -1和n_jobs使用较大数字（例如n_jobs = 30）哪个更好？
这个问题没有简单的“一刀切”答案：
Scikit工具（以及许多其他遵循此做法）会在使用 n_jobs 指令时启动所需数量的并发进程实例（以避免共享GIL锁的步进 – 如果对细节感兴趣，可以在其他地方阅读更多信息）。
这种进程实例化不是免费的（在时间上，即花费相当数量的 [TIME] 领域成本，但在空间上，即至少花费 n_jobs 倍于单个Python进程实例的RAM分配的 [SPACE] 领域成本）。
考虑到这一点，你的战斗是一把双刃剑。
试图“低估”CPU可能会让（某些）CPU核心闲置。
试图“高估”RAM空间会使性能比预期更差，因为虚拟内存会导致操作系统交换，这会将机器学习规模的数据访问时间从 ~ 10+[ns] 变为超过100,000倍的 ~ 10+ [ms]，这几乎不是人们想要的结果。
n_jobs = a_reasonable_amount_of_processes 的整体效果受到 阿姆达尔定律（重新表述的版本，而不是附加开销天真的版本） 的影响，因此会有CPU核心的实际最优峰值（最大值），超过这个峰值，额外开销（如上所述的 [TIME] 和 [SPACE] 领域）实际上会恶化任何潜在的积极影响期望。
在生产环境中确实使用了大型数据集的 RandomForestRegressor()，我可以告诉你 [SPACE] 领域是你试图增加 n_jobs 的最大敌人，没有任何系统级调优能克服这个界限（因此，更多更低延迟的RAM和更多（真实的）CPU核心是进入更大 n_jobs 计算计划的唯一实际方法）。
