Keras中使用的核心数量有限

我有一个64核心的共享机器，在这个机器上我有一大串我想运行的Keras函数。问题是，Keras似乎自动使用所有可用的内核，但我无法做到这一点。Keras中使用的核心数量有限

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

我找不到任何限制Keras内核数量的方法......你有什么线索吗？

2017-09-26 Mohamed AL ANI

TensorFlow后台？ –

@于洋是的！我使用张量流后端 –

尝试添加'从keras导入后端作为K; K.set_session（K.tf.Session（config = K.tf.ConfigProto（intra_op_parallelism_threads = 32，inter_op_parallelism_threads = 32）））'在运行模型之前。 –

正如@宇扬建议，我用这条线之前，每个适合我做的：

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）：

来源

2017-09-26 09:26:35

有关信息，为了完成答案，在这里你是TF ConfigProto，包含所有选项 https://github.com/tensorflow/tensorflow/blob/r1.4/tensorflow/core/protobuf/config.proto –

Keras中使用的核心数量有限

回答

相关问题