【scikit-learn】GridSearchCV 在windows中并行计算出错的问题

先说下环境:Win10+spyder+py3.6

  • 控制CPU个数的参数n_job当设置为1时程序能够正常运行。
  • 但是当n_job>1或者n_job=-1时,程序会报错,报错内容如下:
    错误I
  • 通过大量查阅资料,以及很多人尝试的标准解决方法如下:
    官方解决方案
  • 按照该方法描述修改后,CSDN有位博主确实能够成功运行了。可是这边进行了同样的修改后,问题并没有解决,还是出现上述错误。
  • 这时stackoverflow上有位大佬说可以按如下方式解决:
    大佬解决方案
  • 按照他一波操作后,依然没什么卵用。
  • 但是呢,在重新打开spyder首次运行程序时,却发生了以下的报错内容,这让人似乎感觉到了一线生机:
    错误II
  • 之后再运行都是出现错误I的内容。
  • 总结一下程序发生错误的问题如下:
    1.重启spyder(相当于重启kernel),首次运行程序会发生错误II
    2.之后无论怎样运行程序,都是发生错误I
  • 于是直觉告诉我错误II才是本质原因,经过一波操作后,设置 __spec__ = None,成功解决该问题。

贴下成功运行的代码:

from sklearn.datasets import load_wine
from sklearn.model_selection import GridSearchCV
from sklearn import svm
from sklearn.ensemble import BaggingClassifier

def Test(): 
    data = load_wine()
    Feat = data.data
    Label = data.target
    bag_clf = BaggingClassifier( base_estimator=svm.SVC(kernel='rbf'), bootstrap=True,n_jobs=-1)
    bag_clf.fit(Feat,Label) 
    Params = [{"base_estimator__C":[1,2,3],
               "base_estimator__gamma":[1.2,0.9],
               "max_features":[0.3,0.4,0.5],
               "max_samples":[0.9,0.8,0.7],
               "n_estimators":[60,80,100],
               "random_state":[120,100]}]
    grid_search = GridSearchCV(bag_clf, Params, cv=5,verbose=1.1,n_jobs=-1)
    grid_search.fit(Feat,Label)
    print('bestparam=',grid_search.best_params_ ,'score=',grid_search.best_score_)
        
if __name__ == '__main__':
    __spec__ = None
    Test() 

运行结果如下:
运行结果
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 160,026评论 4 364
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,655评论 1 296
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 109,726评论 0 244
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,204评论 0 213
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,558评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,731评论 1 222
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,944评论 2 314
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,698评论 0 203
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,438评论 1 246
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,633评论 2 247
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,125评论 1 260
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,444评论 3 255
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,137评论 3 238
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,103评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,888评论 0 197
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,772评论 2 276
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,669评论 2 271

推荐阅读更多精彩内容

  • 这个不错分享给大家,从扣上看到的,就转过来了 《电脑专业英语》 file [fail] n. 文件;v. 保存文...
    麦子先生R阅读 6,515评论 5 24
  • 你有太多的风景想看,可你的双腿还走不了太远;你有太多的朋友相交,可留下来的只有那么几个;你有太多的心情想分享,可最...
    温渺baby阅读 865评论 0 2
  • 对象和类 基本概念 对象:对象是类的一个实例,有属性和行为。例如,一条狗是一个对象,它的属性有:颜色、名字、品种;...
    追风剑007阅读 295评论 0 0
  • 前方一条通往远方的路它要通往何处,它要通往那片迷失的沙漠,还是那茂密的森林,或者通往那死寂的冥冥之乡。 ...
    答案在风中飞扬阅读 211评论 0 1