Python 使用具有最大队列大小的keras fit_生成器，工人和使用多处理

我不知道如何使用中的

max\u queue\u size

、

worker

和

使用多处理

有人能举一个例子说明如果你有，你会如何使用它们吗

• 1xGPU（Nvidia Quadro p1000）
• 具有12个逻辑处理器的6核CPU

以下是基于对这三个领域的不科学猜测，我是如何使用它的

classifier.fit_generator(training_set,
                         steps_per_epoch = 8000,
                         epochs = 25,
                         validation_data = test_set,
                         validation_steps = 2000/32,
                         max_queue_size = 10,
                         use_multiprocessing = False,
                        workers=1)

---

MAX\u QUEUE\u SIZE-->如果在监视GPU使用情况时，GPU处于空闲状态（等待批处理），请增加此参数。理想情况下，GPU应该尽可能少地等待CPU获取数据。等待批处理意味着GPU内存消耗不是处于一个恒定的峰值，比如说95%）。举个例子：当你监控GPU内存使用情况时，你会看到很大的峰值（5%的使用率，95%的使用率，5%的使用率，95%的使用率）。95%和5%使用率之间的时间差实际上是GPU空闲时的时间。如果您发现这样的使用差异，请增加此队列大小

使用多处理-->可能会在Windows上产生错误（对我来说，这并没有发生，但我在其他帖子中看到，由于多处理问题，它可能会冻结），在基于Linux的系统上运行良好。如果要使用多个进程将数据提取到CPU，请将此设置为true。e、 g

 ..,use_multiprocessing = True, workers = 4)

---

根据我的经验，这些参数一起工作；i、 如果你想在速度方面提高你的表现，你可以尝试提高所有这些

感谢您的详细回答，我如何计算最大队列大小和工作人员的数量？是否有一个基于我的电脑规格的公式。不，不是真的。你只需要一步一步地增加数字。没有规则规定，如果您的I7带有1080TI，则必须执行步骤1、2等。