小编Tom*_*iak的帖子

与自托管运行器中的并行性主题相关的问题：

一个自托管运行器一次只能运行一个作业，当没有可用运行器空闲时，后续作业将排队等待，直到有可用运行器空闲。

我可以通过在具有多个 CPU 的同一台机器上运行多个自托管运行器来实现并行性吗？

在GitHub Actions - Getting Started - Usage Limits我发现：

您可以在您的帐户中运行的并发作业数取决于您的 GitHub 计划，如下表所示。如果超过，任何其他作业都会排队。自托管运行器没有并发限制。

但我不确定如何在多核机器的上下文中理解这一点。

什么是定义不需要任何构造函数参数的类的“Pythonic”方法？

class MyClass:

    # class body

或者我们需要一个显式的构造函数吗？IE

class MyClass:
    def __init__:
        pass

    # class body

我一直在尝试计算 Python 中 H2O 模块中梯度增强分类器的 SHAP 值。下面是该predict_contibutions方法的文档中的改编示例（改编自https://github.com/h2oai/h2o-3/blob/master/h2o-py/demos/predict_contributionsShap.ipynb）。

import h2o
import shap
from h2o.estimators.gbm import H2OGradientBoostingEstimator
from h2o import H2OFrame

# initialize H2O
h2o.init()

# load JS visualization code to notebook
shap.initjs()

# Import the prostate dataset
h2o_df = h2o.import_file("https://raw.github.com/h2oai/h2o/master/smalldata/logreg/prostate.csv")

# Split the data into Train/Test/Validation with Train having 70% and test and validation 15% each
train,test,valid = h2o_df.split_frame(ratios=[.7, .15])

# Convert the response column to a factor
h2o_df["CAPSULE"] = h2o_df["CAPSULE"].asfactor()

# Generate a GBM model using …

正如这里所讨论的，在 GitHub Actions 中有一种使用关键字引用job其他jobs 中的 s的好方法need，例如

name: Share data between jobs
on: [push]

jobs:
  job_1:
    name: Add 3 and 7
    runs-on: ubuntu-latest
    steps:
        # Steps

  job_2:
    name: Multiply by 9
    needs: job_1
    # The rest of the job

我在文档中找不到答案的问题是：有没有办法job在其他工作流中引用/共享s？（即单独的yml文件）。

我的项目由几个单独的工作流组成，每个工作流都需要执行相同的初始steps。我试图避免在不同的workflows 中复制粘贴相同的步骤。