Python keras.backend.clear_session（）是在进程中删除会话还是全局删除会话？

我在单独的脚本中创建了多达100个keras模型，并使用model.save（）将它们保存到本地。 为了训练他们，我使用multiprocessing.pool。在这些过程中，我分别加载每个模型。由于发生内存错误，我使用了keras.backend.clear\u session（）。这似乎有效，但我也读到它删除了模型的权重

回到我的问题上来，如果我在池的每个进程中导入“从keras导入后端为K”，最后，在保存模型后，我使用K.clear_session（），我是清除并行运行进程的重要数据，还是只清除这个进程的数据

如果删除并行运行进程的重要数据。是否有可能在流程内创建本地tensorflow会话。然后将所需模型分配给此会话，然后清除此本地会话

我很感谢你的任何意见

另外，如果有人知道clear_session（）的确切功能，这将很有帮助。对这个函数的解释不是很有用，特别是对于像我这样的初学者

---

谢谢：）

我面临类似的问题，但我不是并行运行模型，而是我；E任何一个模型（在不同的文件夹中，但模型文件名相同）都将运行

当我在没有clear_会话的情况下直接运行模型时，它与以前加载的模型冲突，无法切换到其他模型。在语句开始时包含clear_会话（加载模型）后，它开始工作，但是它也删除了在程序开始时声明的预测活动所必需的全局变量

吸取的教训： clear_会话不仅会“销毁当前TF图并创建一个新TF图”。如文档中所述，还会删除程序中定义的全局变量

所以我在clear_session语句之后定义了全局变量

**感谢您的反馈