谢谢 necomancer ，祝你新年快乐！我现在还没有运行你上边的代码，但是有一个疑问，比如有一个值-1 ，在 a[a<0.3] =3.5 中被替换成了 3.5 ，在随后的 a[np.logical_and(a < 5.4, a > 0.3)]=7.8 中是否又被替换成了 7.8 呢？

回 Albertni：谢谢你，我按照你的建议试一试。
回 ladychili：模型的定义和训练都是调用的 sklearn 中的标准函数，分别是：
Model = sklearn.linear_model.LinearRegression( n_jobs=CpuNum )#创建 Model ，CpuNum 是 Cpu 的线程数
Model.fit( TrainFeatures, TrainYValues )#训练模型，两个参数分别是训练集的特征和真实值
Predict1 = Model.predict( Features )#此两句是利用训练好的模型进行预测
Predict2 = Model.predict( Features[ 0:100, : ] )

统一回复楼上诸位，可能我没有描述清楚：Features 是有几千个样本的测试样本集，每个样本大约有 200 个特征，各样本都是独立的，Model 确实是已经训练好的线性回归模型。我用 Predict1 = Model.predict( Features )这条语句先预测这几千个样本，然后截取头 100 个查看一下预测结果。然后用 Predict2 = Model.predict( Features[ 0:100, : ] )这条语句先截取头 100 个样本，再预测这 100 个样本。按道理说两次的结果应是一样的。但事实是，头几个样本的预测值几乎是一模一样的，但后来就有差别了，并且差别越来越大，到第 100 个样本时以是百分之几的差别。我不知道为什么会是这样。

谢谢楼上各位，已解决，用 inspect.getsourcelines()函数。

@Hconk :果真是 TensorFlow 出了问题，我把 import keras 去掉之后就 OK 了，keras 的后端是 TensorFlow。你能不能简单回忆一下当初采取哪些步骤解决这个问题的？让我少采点坑，我对 Python 不太熟。

在此一并感谢 lcdtyph 以及楼上各位大佬！！

@Hconk :谢谢你！我的环境和你的类似，也是没有 GPU，用 pip install 了一个 tensorFlow。待我按你的方法试一试。

真心感谢楼上各位的建议，待我都试一试。发现一个特点：大佬级的人物都是夜猫子啊。
@tottea：怎么用 http 调用？愿闻其详。
@autogen：目前我正是用的这个临时的替代办法。
@no1xsyzy：怎么用网络剪贴板？能不能给一个说明的链接什么的？

说明一下，我是用 vs2010 写的一个 C++主程序程序调用 python 的，C++的测试程序是控制台程序，正式程序是 MFC 带界面的。

谢谢 @zilaijuan,OK!

scaler_value = sklearn.preprocessing.StandardScaler()
train_values = train_values.reshape( -1, 1 )
train_values = scaler_value.fit_transform( train_values )
train_values = train_values.reshape( 1, -1 )
train_values = pandas.DataFrame( train_values[0,:] )

lance6716 真是高人呀，竟能看出来是 pandas 数据。实际上我不知道这是什么结构的数据，只是用 pandas 读取了 CSV 文件，然后又提取了其中的一列，就搞不清楚是什么数据了，以为是一个一维的数组。

谢谢 lance6716，OK ！

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

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

各位请注意，代码传上去之后没有缩进了，实际上是有的

谢谢 chenstack,OK!同时也谢谢楼上两位！

谢谢 meefly 大神！

谢谢楼上几位高屋建瓴的回答，但是我对这些都一无所知。我需要的是用最简单的办法让我在几台服务器上运行起来 spark-sklearn 就行，这几台服务器现在都是裸机，每台服务器该怎么办，给一个大致的步骤，或者在哪里有参考资料也行。

谢谢 chenstack，搞定！同时也谢谢楼上两位

谢谢楼上三位，楼上的每个建议我都要查半天资料，长了不少知识----我是个初学者。
回 diggerdu: 用 np.sum(predict > 0.5 == label)这条语句怎么出现这个警告呀？
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()