Multithreading Tensorflow 2.0和Keras API是否线程安全？ Tensorflow 2.0线程安全吗？

更具体地说，在Tensorflow 2.0（使用Keras API）中，在同一模型上从不同线程调用

fit

/

predict

或其他方法是否安全

我无法从文档或在线查找中找到明确的答案

我从2017年看到，Keras（尽管问题中提到了Theano后端）是线程安全的，但您必须调用私有方法

模型。在调用
predict（）
之前，必须先调用函数（）

（我相信它已经被弃用）。然而，我从2019年的文章中读到，它不是线程安全的

我还发现，从2018年开始，Tensorflow（Keras之前的版本）是线程安全的，但您必须确保使用默认的图形明确性（我认为这与Tensorflow 2.*无关，因为急切的执行）。当我在eager execution中查找线程安全性时，我在文档中看到确实提到了eager execution的线程安全性，但它与Java有关

更让人困惑的是，我从今年（2020年）开始在Github中看到了一个带有Keras的A3C实现，该实现在培训共享策略/价值网络之前使用锁，这暗示Keras不是线程安全的，您必须在培训共享模型之前获得锁。然而，在我看来，实现是有缺陷的，因为每个工作人员都在创建和使用自己独特的锁，这违背了拥有锁的目的。我的结论是，要么是因为Keras是线程安全的，所以他的代码在不考虑“锁”的情况下成功运行，要么是因为他有一个bug

---

我做了我自己的最终测试，在测试中，我运行了两个线程，将同一个模型拟合到不同的输出（对于相同的常量输入），并尝试在培训期间调用predict，它似乎起到了作用，但我问这个问题是因为我想确定。Tensorflow 2.0/Keras是否存在线程不安全的情况？

根据GitHub问题中Keras的贡献者：

Keras型号不能保证线程安全。考虑有 每个线程中模型的独立副本，用于CPU推断