我一直在使用Keras框架和4个NVIDIA GPU训练NN模型。 （数据行数：〜160,000，列数：5）。现在，我想使用GridSearchCV优化其参数。
但是，每当我尝试将n_jobs更改为除一个以外的其他值时，都会遇到几个不同的错误。错误，例如
CUDA OUT OF MEMORY
Can not get device properties error code : 3
然后我阅读了此网页， “＃如果您未使用GPU，则可以将n_jobs设置为1以外的值” http://queirozf.com/entries/scikit-learn-pipeline-examples
因此无法将多个GPU与GridSearchCV一起使用吗？
[环境] Ubuntu 16.04 的Python 3.6.0 Keras / Scikit-Learn
谢谢！
答案 0 :(得分：3)
根据scikit Learn中的常见问题解答-不支持GPU。 Link
您可以使用n_jobs来使用CPU内核。如果要以最快的速度运行，则可能要使用几乎所有内核：
import multiprocessing
n_jobs = multiprocessing.cpu_count()-1