我正在运行16个工作程序和一个参数服务器（通过运行subprocess.Popen启动），以便执行我自己的A3C算法实现。我的代码使用tf.train.Server和tf.train.MonitoredTrainingSession进行通信。
我希望每个进程有1个线程用于从强化学习环境中收集经验，有些进程则用于GRPC，但实际上每个进程在运行算法的集群上都有138或139个线程。我猜这取决于计算机，因为在我的笔记本电脑上，我唯一有47个或48个线程/进程。
我的tf.train.Server配置如下：
self.server = tf.train.Server(
cluster,
job_name="worker",
task_index=task_id,
config=tf.ConfigProto(intra_op_parallelism_threads=1, inter_op_parallelism_threads=2)
)
在htop中，我看到命令名称为python，grpc_executor和grpc_global_tim。
这个问题是GRPC或分布式Tensorflow的工作方式固有的，还是我的代码有问题？
我正在使用Tensorflow 1.8.0版。