我正在尝试在具有许多CPU内核和足够RAM（250GB）的计算机上运行多个进程。
每个进程都会构建一个TensorFlow图，并在传递给session.run()调用的函数内频繁调用scipy.optimize.fmin_l_bfgs_b()。这不是一个非常繁重的计算（现在计算单层神经网络的输出和梯度，并且在我测试的CPU上运行得更快）。
问题是，如果我运行多个实例，session.run()调用会变得太慢。
为了进行比较，我编写了numpy代码，对于单层神经网络的这种特定情况做了同样的事情（而TF版本处理一般情况）。结果是，当然numpy版本更快，但它也可以更好地扩展。例如，numpy版本的15个进程仍然非常快，而TF版本的相同进程数变得非常慢。
对于这些流程，环境变量CUDA_VISIBLE_DEVICES设置为''。
我在创建tf.ConfigProto时尝试使用tf.Session（例如，设置device_count以限制每个进程使用的核心数，并设置inter_op_parallelism_threads和{{1但是它没有效果。
使用intra_op_parallelism_threads也不起作用。
我甚至应用了here引入的技巧（直接调用tf.device()，如果可能的话，使用目标列表而不是获取列表，以及XLA），这在扩展方面没有帮助他们
如果CPU或RAM的使用率达到90％，我会放弃，但他们完全不是！仍有150GB的可用内存，大多数CPU内核的使用率约为10％。
如何制作它们，至少有效使用所有CPU内核？
有人可以帮我找出我做错了吗？
谢谢！