限制Keras使用的核心数量

Question

我有一个64核的共享机器，我有一大堆Keras功能，我想运行它。事情是，似乎Keras自动使用所有可用的核心，我不能这样做。

我使用Python，我想在for循环中运行67个神经网络。我想使用一半的可用内核。

我找不到任何限制Keras核心数量的方法......你有什么线索吗？

Answer 1

正如@Yu-Yang建议的那样，我在每次合适之前都使用过这条线：

from keras import backend as K
K.set_session(K.tf.Session(config=K.tf.ConfigProto(intra_op_‌​parallelism_threads=‌​32, inter_op_parallelism_threads=32)))

检查CPU使用率（htop）：

Answer 2

如该解决方案中所述，（https://stackoverflow.com/a/54832345/5568660）

如果您想通过Tensforflow或Tensorflow_gpu使用它，则可以直接使用tf.config并将其提供给会话：

config = tf.ConfigProto(intra_op_parallelism_threads=32, 
                        inter_op_parallelism_threads=32, 
                        allow_soft_placement=True)

session = tf.Session(config=config)