def getMatrix(dirname):pssmList = os.listdir(dirname)pssmList.sort(key=lambda x: eval(x[:]))m = len(pssmList)reMatrix = np.zeros((m, 20))for i in range(m):matrix= readToMatrix(dirname + '/' + pssmList

scikit_learn包中的cross_val_score（）是支持并行运算，但这并不是说只要让n_jobs=-1就能让CPU使用率接近100%。这要取决于交叉验证的折数cv，假如折数cv是n，这意味着最多只能使用n个物理CPU。score1 = cross_val_score(clf, x_train, y_train, cv=5, scoring='accuracy', n_jobs=-1)

一般出现此类问题的原因是包的更新导致有些用法发生了变化，因此在tensorflow中调用optimizer需要通过tf.keras调用。将self.opt = tf.optimizers.Adam(learning_rate=self.lr)中的tf后面加个keras，变成self.opt = tf.keras.optimizers.Adam(learning_rate=self.lr)...