Я заметил, что когда я запускаю функцию numpy, такую как numpy.dot
, 4 ядра моей машины будут заняты выполнением работы. Это означает, что каким-то образом numpy автоматически понимает, что он может распараллеливать некоторые вычисления. Тем не менее, у меня на самом деле 8 ядер на моей машине, поэтому я хотел бы сказать numpy, чтобы использовать все из них.
Вы знаете, как это сделать?
Я следовал инструкциям в Ограничить число потоков в numpy , но они не работали.
Я сообщаю о выводе numpy.show_config()
ниже:
lapack_opt_info:
libraries = ['mkl_rt', 'pthread']
library_dirs = ['/home/anfri/anaconda2/lib']
define_macros = [('SCIPY_MKL_H', None), ('HAVE_CBLAS', None)]
include_dirs = ['/home/anfri/anaconda2/include']
blas_opt_info:
libraries = ['mkl_rt', 'pthread']
library_dirs = ['/home/anfri/anaconda2/lib']
define_macros = [('SCIPY_MKL_H', None), ('HAVE_CBLAS', None)]
include_dirs = ['/home/anfri/anaconda2/include']
lapack_mkl_info:
libraries = ['mkl_rt', 'pthread']
library_dirs = ['/home/anfri/anaconda2/lib']
define_macros = [('SCIPY_MKL_H', None), ('HAVE_CBLAS', None)]
include_dirs = ['/home/anfri/anaconda2/include']
blas_mkl_info:
libraries = ['mkl_rt', 'pthread']
library_dirs = ['/home/anfri/anaconda2/lib']
define_macros = [('SCIPY_MKL_H', None), ('HAVE_CBLAS', None)]
include_dirs = ['/home/anfri/anaconda2/include']