在fit_generator（）的文档（文档：https://keras.io/models/sequential/#fit_generator）中，它说参数use_multiprocessing接受一个布尔值，如果将其设置为True，则该布尔值允许基于进程的线程。
它也表示参数worker是一个整数，它指定使用基于进程的线程时要启动的进程数。显然，它默认为1（基于单个进程的线程），如果设置为0，它将在主线程上执行生成器。
我认为这意味着，如果use_multiprocessing = True且workers> 0（以6为例），它将启动6个独立运行生成器的进程。但是，当我对此进行测试时，我认为我一定会误会某些东西（见下文）。
我感到困惑的原因是，如果我将use_multiprocessing设置为False并且worker = 1，那么在任务管理器中，我可以看到我的所有12个虚拟内核都被平均地利用，而我的CPU使用率约为50％，训练我的模型（作为参考，我有一个i6-8750H CPU，它具有6个支持虚拟化的内核，并且在BIOS中启用了虚拟化）。如果增加工人数量，CPU使用率将达到100％，培训速度将大大提高。如果将工作程序的数量减少到0以便它在主线程上运行，我可以看到我的所有虚拟内核仍在使用中，但是似乎有些不平衡，CPU使用率约为36％。
不幸的是，如果我将multiprocessing设置为True，那么我将得到一个坏管道错误。我尚未解决此问题，但我想更好地了解我要在此处解决的问题。
如果有人可以解释使用use_multiprocessing = True和use_multiprocessing = False进行训练之间的区别，以及当worker为0、1和> 1时，我将不胜感激。如果有问题，我将使用tensorflow（gpu版本）作为IPython控制台的Spyder中python 3.6的keras后端。
我的怀疑是，当True时use_multiprocessing实际上启用了多处理，而use_multiprocessing = False时的worker> 1正在设置线程数，但这只是一个猜测。
答案 0 :(得分：1)
我唯一知道的是，当use_multiprocessing=False和workers > 1时，有许多并行数据加载线程（我对这些名称，线程，进程等并不是很满意）。但是有五个并行的前端将数据加载到队列中（因此，加载数据的速度更快，但不会影响模型的速度-如果数据加载时间太长，这可能会很好）。
每当我尝试use_multiprocessing=True时，所有内容都会被冻结。