是否可以并行训练多个不同的 sklearn 模型?
例如,我想同时训练一个 SVM、一个 RandomForest 和一个线性回归模型。所需的输出将是 .fit 方法返回的对象列表。
最佳答案
是否可以并行训练多个不同的 sklearn
模型?
训练多个模型?
是的。
在 true-[PARALLEL]
scheduling 中训练多个模型时尚?
没有。
训练一个特定的模型,使用某种低级、细粒度(如果不是直接硅线)的矢量化/ILP 并行和改进的时间局部性和缓存一致性的影响?
是,
已经部署,如果资源和低级代码允许,但这些级别主要受到工作包有效负载与开销的低比率的限制 - 引用。 re-formulated Amdahl's Law为了尊重开销、资源(在时间尺度的下端)和某种处理冲刺(在时间尺度的上端)的不可分割的原子性。正是由于不可分割的实现在 sklearn
ML 处理管道中如此常见的原子处理段。
在 "just"-[CONCURRENT]
scheduling 中训练不同的模型时尚?
是的。
使用智能 distributed-system基础设施,而不是一些 SLOC :o)
关于python - 并行训练多个不同的 sklearn 模型,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47980936/