我正在Docker容器内使用scipy.optimize.differential_evolution函数，并将参数worker = -1传递给它。这可以使用Python的多处理库（它使用池）以最大数量的可用CPU进行并行处理。查看Scipy源代码，当提供参数worker = -1时，将在没有任何参数的情况下调用multiprocessing.Pool（）。从而使用最大数量的可用CPU内核。
每次迭代都会打印一条消息。运行容器时，前几次迭代似乎正常进行。但是，在某些时候，由于没有新的输出打印（并且我的计算机上的风扇关闭...），Python脚本似乎被卡住了。发生这种情况时不会打印任何错误。
请注意，当我删除或将worker参数更改为4时，一切都会按预期进行，并且执行不会卡住。 （我的计算机有8个核心。）
我曾尝试增加分配给Docker的内存，但不幸的是，这并没有帮助。
请让我知道是否有需要扩展的内容。谢谢