Ошибка параллельной обработки KMeans

Я запускаю k-means для большого набора данных. Я настроил это так:

from sklearn.cluster import KMeans
km = KMeans(n_clusters=500, max_iter = 1, n_init=1, 
  init = 'random', precompute_distances = 0, n_jobs = -2)

# The following line computes the fit on a matrix "mat"
km.fit(mat)

Моя машина имеет 8 ядер. В документации сказано, что «при n_jobs = -2 используются все процессоры, кроме одного». Я вижу, что во время выполнения km.fit выполняется несколько дополнительных процессов Python, но используется только один ЦП.

Похоже ли это на проблему с GIL? Если да, то есть ли способ заставить работать все процессоры? (Вроде как должно быть... иначе какой смысл в аргументе n_jobs).

Я предполагаю, что упускаю что-то основное, и кто-то может либо подтвердить мой страх, либо вернуть меня в нужное русло; если это на самом деле более сложно, я перейду к настройке рабочего примера.

Обновление 1. Для простоты я переключил n_jobs на положительное значение 2. Вот что происходит с моей системой во время выполнения:

На самом деле я не единственный пользователь на машине, но

free | grep Mem | awk '{print $3/$2 * 100.0}'

указывает, что 88% ОЗУ свободно (меня это смущает, поскольку использование ОЗУ выглядит как минимум 27% на скриншоте выше).

Обновление 2. Я обновил версию sklearn до 0.15.2, и в выходных данных top, указанных выше, ничего не изменилось. Аналогичным образом экспериментирование с различными значениями n_jobs не дает никаких улучшений.