我在JupyterLab有一个项目，涉及使用SciPy最小化目标，它执行了大量的矩阵乘法。我使用%%time来计时，它同时打印CPU和墙壁时间，这通常是相似的，但最近（iidoe.com）。两周前）我注意到在不同的优化参数设置中，墙时间大约是CPU时间的一半。特定小区的定时结果如下
CPU times: total: 6min 4s Wall time: 3min 18s
但这种2倍的加速在多次运行中是一致的（以及更长的运行，例如1.5小时的CPU时间和约45分钟的停机时间，所以这不是由于随机的运行时间波动造成的）。我在代码中没有使用（甚至没有导入）multiprocessing，也不知道Jupyter中有任何内置的多处理功能。如果我显式地使用多处理，我的代码应该得到2倍的加速，因为我的笔记本电脑有一个额外的核心，它可以使用，但我不知道这是如何自动发生的。我的问题是一般性的：JupyterLab和/或NumPy是否内置了某种多处理功能，例如默认的可用内核数量？
有关版本详细信息，运行!jupyter --version将给出

Selected Jupyter core packages...
IPython          : 8.12.0
ipykernel        : 6.19.2
ipywidgets       : not installed
jupyter_client   : 8.1.0
jupyter_core     : 5.3.0
jupyter_server   : 1.23.4
jupyterlab       : 3.5.3
nbclient         : 0.5.13
nbconvert        : 6.5.4
nbformat         : 5.7.0
notebook         : 6.5.4
qtconsole        : not installed
traitlets        : 5.7.1

我也使用NumPy版本1.23.5和SciPy 1.10.0。