Rasa训练速度过慢求助：RTX 3090+i9 12代配置下训练耗时异常

核心限制问题 #

• 系统提示24核心可用但仅启用8个，会严重限制CPU端数据预处理、梯度辅助计算等任务的并行效率，是训练慢的核心诱因之一。
• 优化方式：
  1. 联系系统管理员解除安全限制，释放更多CPU核心使用权；
  2. 若无法解除限制，可在训练脚本开头手动设置匹配当前可用核心数的线程数（以PyTorch为例）：

     import torch
     torch.set_num_threads(8)  # 避免线程竞争，适配当前可用核心数
     

NUMEXPR_MAX_THREADS参数配置 #

• 未配置该参数时，numexpr默认线程数可能远低于可用核心数，导致数值计算任务无法充分利用CPU资源。
• 配置方式：
  1. 训练前通过环境变量设置：
     • Linux/macOS终端：export NUMEXPR_MAX_THREADS=8
     • Windows命令行：set NUMEXPR_MAX_THREADS=8
  2. 在Python脚本内设置：

     import os
     os.environ["NUMEXPR_MAX_THREADS"] = "8"
     

额外排查优化点 #

• 检查GPU利用率：执行nvidia-smi命令查看训练时GPU显存与利用率，若利用率偏低，说明CPU数据瓶颈显著，需优先解决核心限制问题；
• 调整数据加载器：确保DataLoader的num_workers参数设置匹配可用核心数（建议设为8或稍低，避免IO阻塞）。

内容的提问来源于stack exchange，提问作者Hussain Wali