求教一个使用 parallel Python 的问题

[acone2003]

最近在学习使用 parallel python 模块进行分布式机器学习，遇到了一个问题：写了一个创建学习模型的函数，是分发到各计算节点上的，如下面的代码所示。Param 是一个字典，用于传送要构建模型的宏参数，当我不使用它使用默认的参数时，能够正常工作；当把两个#号去掉，使用传过来的参数时，就不能正常工作了。问一下我的代码错在了哪里？

ModelName = "LGBMRegressor"
params = { "max_depth": 1, "num_leaves": 4}

def CreateModel( ModelName, Params ):
max_depth, num_leaves = 10, 20
#if "max_depth" in Params: max_depth = Params[ "max_depth" ]
#if "num_leaves" in Params: num_leaves = Params[ "num_leaves" ]

Model, IsClassifier = None, True
ModelName = ModelName.lower()
if ModelName == "lgbmregressor":
IsClassifier = False
Model = lightgbm.LGBMRegressor( max_depth=max_depth, num_leaves=num_leaves )
return Model, IsClassifier

另外我若在本地创建好模型，把模型分发给各计算节点，程序就不能正常工作，如果在节点上创建模型，如上所示，就出现了上面的情况，该怎么解决？

[acone2003]

各位请注意，代码传上去之后没有缩进了，实际上是有的

[imn1]

大小写

[sanxidiot]

希望 v2 能改善一下对代码显示的支持吧，毕竟好歹也是程序员技术社区啊

[GoLand]

@sanxidiot 发帖能用 Markdown，评论能用 gist ？还不完善？？

[zhangchioulin]

@sanxidiot #3 markdown 不行么。。。都说了是‘程序员技术社区’，那么 markdown 应该都会一点吧。。。就算不会也可以编辑器写完复制进来吧

[XIVN1987]

@GoLand
@zhangchioulin
markdown 会用，，gist 第一次听说，，话说不能发帖、评论都用 markdown 吗？？

[zhangchioulin]

@XIVN1987 #6 评论涉及到代码就‘ gist ’了吧。发帖 markdown 可用可不用，没有人强制要用 md，但是为了看的更清晰最好还是用 md 吧

[sanxidiot]

@zhangchioulin @GoLand 是我孤陋寡闻了，主要是看很多帖子都是直接复制代码，使得排版全无，以为没这些东西的...

[ant2017]

if 语句格式不是要换行？
if "max_depth" in Params:
max_depth = Params[ "max_depth" ]

[wwg1994]

不能正常工作是 python 报错还是结果不符合预期？

[imn1]

@ant2017
@wwg1994
他前面定义的是小写，后面判断用的是大写，是两个变量

[acone2003]

回 ant2017:换行也不行，试了。
回 wwg1994: 不是 python 报错，是不出结果。并且 CPU 占用率是 0

[acone2003]

各位有点新进展，我把函数添加了一项，然后使用 xgboost 就没有问题。是不是 lightGBM 要依赖一些别的模块？ parallel Python 要求把必要的引用显式地写在代码中。添加后的相关代码如下：

def CreateModel( ModelName, Params ):
max_depth, num_leaves, min_child_weight = 10, 20, 1
if "max_depth" in Params: max_depth = Params[ "max_depth" ]
if "num_leaves" in Params: num_leaves = Params[ "num_leaves" ]
if "min_child_weight" in Params: min_child_weight = Params[ "min_child_weight" ]

Model, IsClassifier = None, True
ModelName = ModelName.lower()
if ModelName == "lgbmregressor":
IsClassifier = False
Model = lightgbm.LGBMRegressor( max_depth=max_depth, num_leaves=num_leaves )
elif ModelName == "xgbregressor":
IsClassifier = False;
Model = xgboost.XGBRegressor( n_jobs=16, max_depth=max_depth, min_child_weight=min_child_weight )
return Model, IsClassifier