如果一个延迟的对象使用了太多的内存，是否可以让Dask返回一个默认值？
我想在大型数据集上并行评估一系列机器学习管道。我在一个循环中这样做，在这个循环中我生成模型/管道，然后评估它们。
这就是我执行并行化的方式：

for i in range(10):
   pipeline_list = generate_next_pipelines()
   scores = dask.compute(*[dask.delayed(fit_and_score)(pipeline, X, y) for pipeline in pipeline_list])
   # save/print scores

我还得到了关于非托管内存使用率高的错误。是否有一个步骤我错过了，要么减少内存使用和/或释放未释放的内存更频繁？
我通过将LocalCluster设置为系统的最大内存来增加内存限制。这允许代码运行，但如果任务请求的内存超过可用内存，整个脚本就会崩溃。我希望Dasks在给定的worker超出内存限制时返回默认值，例如“Not enough RAM”。

cluster = LocalCluster(n_workers=n_jobs, 
                       threads_per_worker=1,
                       memory_limit='64GB')
client = Client(cluster)

谢谢你的帮助