Python 在集群环境中使用tensorflow会由于fork（）/system（）调用而产生错误

我正在集群环境中使用Keras和TensorFlow后端。 我没有在网络上进行任何反向传播，只使用

预测（…）

，

层。获取权重（）

和

层。设置权重（…）

我直接操纵神经网络的参数，使用进化策略优化适应度函数

我有一个主程序，生成N个参数集（权重和偏差），然后使用MPI将这些参数集传递给工人。为此，我使用mpi4py。然后，这些工作人员在他们自己的序列模型（keras）实例上设置这些参数，并通过利用该网络预测动作来评估适应度函数。然后将适应度传递回主适应度，主适应度调整参数集采样的分布

运行代码时，我收到以下警告：

MPI进程执行了一个涉及调用

fork（）

创建子进程的系统调用。Open MPI当前正在运行 在可能导致内存损坏或 其他系统错误；您的MPI作业可能会挂起、崩溃或产生静音 数据损坏。使用

fork（）

（或

system（）

或其他调用 强烈反对创建子进程）

---

我实现了一个没有keras/tensorflow的算法版本，错误消失了。一、 因此，请相信tensorflow正在执行

system（）

或

fork（）

调用。有没有可能阻止tensorflow执行此类调用？

编译tensorflow时是否遵循了所列的说明？没有，我是使用pip安装的。但我认为这不适用于我，因为我不想使用与MPI并行的tensorflow—只有一个worker和一个tensorflow实例。