Контролировать количество ядер ЦП, которые использует sklearn MLPClassifier?

Не уверен, что вы пытались настроить количество потоков динамически, а не глобально (через переменную среды), но я предлагаю попробовать установить количество потоков с помощью mkl:

import mkl
mkl.set_num_threads(3)

Из личного опыта я заметил, что после добавления двух строк кода, приведенных выше, вверху моего скрипта, использование моего ЦП будет ограничено примерно 26~28% (при использовании рабочего стола с 12 ЦП), даже если я тренировал MLPClassifier, который не нет возможности установить n_jobs.

Не могли бы вы обернуть свой MLPClassifier в GridSearchCV? Использование GridSearchCV позволит вам установить n_jobs, и при желании вы можете использовать ShuffleSplit, если хотите запустить GridSearchCV без перекрестной проверки.

Например:

from sklearn.neural_network import MLPClassifier
from sklearn.datasets import make_classification
from sklearn.model_selection import GridSearchCV, ShuffleSplit

X,y = make_classification(n_samples=100000)
mlp = MLPClassifier()

grid = GridSearchCV(mlp, {}, n_jobs=1, cv=ShuffleSplit(n_splits=1),
                    verbose=2)
grid.fit(X,y)