如何限制sklearn中GridSearchCV的CPU使用率？

你的问题核心在于GridSearchCV的n_jobs控制的是交叉验证的并行任务数，但LightGBM模型本身训练时默认会占用所有CPU核心。即使你限制了GridSearchCV的并行数，每个并行任务里的模型训练都会抢占全部核心，最终导致总CPU占用拉满。

解决方案：同时限制模型内部的并行参数 #

LightGBM提供了n_jobs（或等价的num_threads）参数来控制单模型训练时使用的核心数，你需要在模型初始化时固定这个参数，避免它默认占满核心。

修改代码示例：

gsearch_lgb = GridSearchCV(
    # 在模型初始化时添加n_jobs参数，限制单模型训练的核心数
    model(**{**self.model_params, "n_jobs": 1}),
    param_grid=self.model_params,
    n_jobs=2,
    verbose=99,
    scoring=self.cv_scoring,
    cv=4,
)

注意事项：

• 如果你的param_grid中包含n_jobs参数，需要确保网格搜索的参数值也是较小的合理值（比如[1,2]），否则会覆盖你在模型初始化时设置的参数，再次导致核心占满。
• 总CPU核心占用约为 GridSearchCV的n_jobs × 单模型的n_jobs，你可以根据自己的CPU核心数调整这两个数值，比如GridSearchCV设为2，单模型设为1，总占用就是2个核心。
• 也可以直接在self.model_params中预先加入"n_jobs": 1，这样模型初始化时就会自动应用这个限制，无需在GridSearchCV里额外覆盖。

内容的提问来源于stack exchange，提问作者Jim Chen