问用于jupyterlab服务器的CPU数量控制

EN

TLDD；无需配置。它对您是可用的，只需要对您想要并行运行的内容进行详细的代码编写。

JULIA_ACTIVE_THREADS是朱莉娅内核的配置选项，而不是Python的配置选项(运行笔记本代码的过程)。

除非你在容器内运行木星，否则你可以在你的系统中使用所有可用的内核。如果木星在一个容器或虚拟机中，它将使用你分配的东西，仅此而已。

请记住，默认情况下，运行木星内核时使用1内核。

当您运行threading.active_count()并获得1时，这意味着您在代码中使用了一个正在运行的线程。现代处理器可以为每个可用的核心使用多个线程。坏消息是，这并不是衡量您使用cpu有多好。

Python可以充当幕后并行工作的库的协调者(想想看numpy、熊猫、tensorflow……)。

如果您想编写使用超过一个线程和/或一个CPU的Python代码，请查看多进程模块。

多预处理模块是标准库的一部分，您可以在木星内部使用它，而不会遇到麻烦。您可能会发现Process和Pool方法很有用(如果您想深入学习，有一个具有相同接口但支持在不同线程中使用GPU的pytorch.multiprocessing模块)。

一些想法，但想发表评论，我不熟悉jupyter，只是“普通的python"，所以这一切可能都走错了方向;)：

1. 据我所知，àctive_count (我认为您不应该使用旧的camelCase名称)只返回活动线程的数量，而不是可用的线程数量。因此，尝试添加更多的线程。我有一个四核，jupyter从5个线程开始，但我可以添加更多。
2. 多线程与多处理不一样(如果您想在不同的内核上运行，您必须使用多处理) (python线程与多进程)，也许您正在寻找错误的东西？