GridSearchCV和RandomizeSearchCV花费的时间太长

Question

我正在尝试在Cifar-10数据集上使用 SVM（支持向量机）建立正常的分类模型（ CIFAR-10数据集由10个类别的60000个32x32彩色图像组成，每个班级有6000张图像。有50000张训练图像和10000张测试图像。）并已经应用了PCA，但是当我使用GridSearch调整超参数时，它花费了太多时间，并且没有完成。我已将Google Colab与GPU配合使用，但无法正常工作。我该怎么办... ??

from sklearn import svm

from sklearn.model_selection import GridSearchCV

from sklearn.metrics import classification_report, confusion_matrix, accuracy_score

clf = svm.SVC()

grid={'C':[1e2,1e3,5e2],'gamma':[1e-3,1e-4,1e-5]}

abc=GridSearchCV(clf,grid, n_jobs = 4)

abc.fit(x_train_pca, cls_train)

y_predict = abc.predict(x_test_pca)