Parallel

class sklearn.utils.parallel.Parallel(n_jobs=default(None), backend=default(None), return_as='list', verbose=default(0), timeout=None, pre_dispatch='2 * n_jobs', batch_size='auto', temp_folder=default(None), max_nbytes=default('1M'), mmap_mode=default('r'), prefer=default(None), require=default(None))

對 joblib.Parallel 的調整，會傳播 scikit-learn 的配置。

這個 joblib.Parallel 的子類別確保 scikit-learn 的有效配置（線程本地）在並行任務執行期間會傳播到並行工作者。

API 沒有變更，您可以參考 joblib.Parallel 文件了解更多詳細資訊。

在版本 1.3 中新增。

__call__(iterable)

分派任務並回傳結果。

參數:

iterable可迭代物件

包含應該被消耗的 (delayed_function, args, kwargs) 元組的可迭代物件。

回傳:

結果串列

任務結果的串列。

dispatch_next()

分派更多資料以進行平行處理

此方法旨在由多處理回呼同時呼叫。我們依靠 dispatch_one_batch 的執行緒安全性來防止同時消耗未受保護的迭代器。

dispatch_one_batch(iterator)

預先提取下一個批次的任務並分派它們。

在此計算批次的有效大小。如果沒有更多任務要分派，則回傳 False，否則回傳 True。

迭代器的消耗和分派受到相同鎖的保護，因此呼叫此函式應該是執行緒安全的。

format(obj, indent=0)

回傳物件的格式化表示。

print_progress()

僅在自我 verbose 控制的一小段時間內顯示平行執行的進度。