scikitlearn成对距离中n个作业的并行化

Question

多亏了philipcloud的伟大的answer to a previous question，我在scikit中挖掘了pairwise_distances的源代码。在

相关部分是：

def pairwise_distances(X, Y=None, metric="euclidean", n_jobs=1, **kwds):
    if metric == "precomputed":
        return X
    elif metric in PAIRWISE_DISTANCE_FUNCTIONS:
        func = PAIRWISE_DISTANCE_FUNCTIONS[metric]
        if n_jobs == 1:
            return func(X, Y, **kwds)
        else:
            return _parallel_pairwise(X, Y, func, n_jobs, **kwds)
    elif callable(metric):
        # Check matrices first (this is usually done by the metric).
        X, Y = check_pairwise_arrays(X, Y)
        n_x, n_y = X.shape[0], Y.shape[0]
        # Calculate distance for each element in X and Y.
        # FIXME: can use n_jobs here too
        D = np.zeros((n_x, n_y), dtype='float')
        for i in range(n_x):
            start = 0
            if X is Y:
                start = i
            for j in range(start, n_y):
                # distance assumed to be symmetric.
                D[i][j] = metric(X[i], Y[j], **kwds)
                if X is Y:
                    D[j][i] = D[i][j]
        return D

如果我要计算成对距离矩阵，如：

matrix = pairwise_distances(foo, metric=lambda u,v: haversine(u,v), n_jobs= -1)

其中haversine(u,v)是一个计算两点间Haversine距离的函数，并且该函数在PAIRWISE_DISTANCE_FUNCTIONS中是而不是，那么即使n_jobs= -1，该计算也不会被并行化吗？在

我意识到#FIXME注释似乎暗示了这一点，但我想确保我不是疯了，因为似乎有点奇怪的是，当你用一个不在PAIRWISE_DISTANCE_FUNCTIONS中的可调用函数传递n_jobs= -1时，不会抛出信息性警报，说明计算实际上不会被并行化。在

Answer 1

已确认。如果可调用不在PAIRWISE_DISTANCE_FUNCTIONS中，那么将可调用作为metric与{}一起传递将不会导致并行化。在