我想在一台PYTHON网络主机上部署一个Flask 应用程序.这个应用程序是使用机器学习模型链接KNN，支持向量机等建立的.我已经开发了使用SCRKIT-学习库的模型. 该应用程序在我的本地计算机上运行得很好，但当我在主机上运行它时遇到内部服务器错误. 我判断了错误日志(log)，发现在运行ML模型时，服务器耗尽了资源.我怎么才能解决这个问题呢？
我曾try 将SCRICKIT-LEARN模型中的n_job限制为1，但不起作用.
我想在一台PYTHON网络主机上部署一个Flask 应用程序.这个应用程序是使用机器学习模型链接KNN，支持向量机等建立的.我已经开发了使用SCRKIT-学习库的模型. 该应用程序在我的本地计算机上运行得很好，但当我在主机上运行它时遇到内部服务器错误. 我判断了错误日志(log)，发现在运行ML模型时，服务器耗尽了资源.我怎么才能解决这个问题呢？
我曾try 将SCRICKIT-LEARN模型中的n_job限制为1，但不起作用.
我在两个月前遇到了这个问题，花了几天时间就可以解决它.
您可以使用joblib限制您的SCRICKIT学习模型对资源的访问:
from joblib import parallel_backend
import sklearn.neighbors.KNeighborsClassifier as KNN
model = KNN(n_jobs=1)
with parallel_backend("threading", n_jobs=1):
model.fit(X,y)