并行

类 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), **backend_kwargs)

对 joblib.Parallel 的调整，用于传播 scikit-learn 配置。

此 joblib.Parallel 的子类确保 scikit-learn 的活动配置（线程本地）在并行任务执行期间传播到并行工作器。

API 未改变，您可以参考 joblib.Parallel 文档以获取更多详细信息。

在 1.3 版本中添加。

__call__(iterable)

分派任务并返回结果。

参数:

iterable可迭代对象

包含应被消费的 (delayed_function, args, kwargs) 元组的可迭代对象。

返回:

results列表

任务结果列表。

dispatch_next()

分派更多数据进行并行处理

此方法旨在由多进程回调并发调用。我们依赖 `dispatch_one_batch` 的线程安全性来防止未受保护的迭代器被并发消费。

dispatch_one_batch(iterator)

预取下一批任务并分派它们。

批次的有效大小在此处计算。如果没有更多作业可分派，则返回 False，否则返回 True。

迭代器消费和分派受同一锁保护，因此调用此函数应是线程安全的。

format(obj, indent=0)

返回对象的格式化表示。

print_progress()

仅在部分时间内显示并行执行的进程，由 `self.verbose` 控制。