平行

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), **backend_kwargs)

削弱的 joblib.Parallel 传播scikit-learn配置。

这个子类的 joblib.Parallel 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者。

API不会改变，您可以参考 joblib.Parallel 文档以了解更多详细信息。

Added in version 1.3.

__call__(iterable)

调度任务并返回结果。

参数:

iterableiterable

可迭代，包含应该消耗的（delayed_full，args，kwargs）的二元组。

返回:

results列表

任务结果列表。

dispatch_next()

调度更多数据进行并行处理

此方法旨在由多处理回调并发调用。我们依赖dispatch_one_batch的线程安全性来防止并发消耗不受保护的迭代器。

dispatch_one_batch(iterator)

预取下一批的任务并调度它们。

此处计算批的有效大小。如果没有更多作业要调度，则返回False，否则返回True。

迭代器的使用和分派是由同一个锁保护的，所以调用这个函数应该是线程安全的。

format(obj, indent=0)

返回对象的格式化表示形式。

print_progress()

仅显示并行执行过程的一小部分时间，由self.verbose控制。