如何使KERA在培训时利用所有可用的CPU容量？

我正在尝试为一个回归问题实现一系列不同的神经网络。当我训练一个单一型号时，我发现我的计算机没有利用所有可用的CPU，我想这会使训练更快

最终我想指定多个模型（大约4个），可以同时训练，但首先我只想在训练单个模型时利用所有CPU。下面的屏幕截图显示了我培训模型时CPU的使用情况：

在下面的代码中，我尝试设置

use\u multiprocessing=TRUE

，我认为这可能会有所帮助，但我得到的错误是没有使用参数

library(keras)

epoch <- 50

lr <- 0.1

decay <- lr / epoch

# initialize model

fit_NN4 <- keras_model_sequential() %>% 
  layer_flatten(input_shape = training %>% select(-date, -mktcap, -permno, -ret.adj) %>% ncol()) %>% 
  layer_dense(units = 64, activation = "relu") %>% 
  layer_dense(units = 32, activation = "relu") %>% 
  layer_dense(units = 16, activation = "relu") %>% 
  layer_dense(units = 8, activation = "relu") %>% 
  layer_dense(units = 1)

# compile

fit_NN4 %>% compile(
  loss = "mse", # loss objective function
  #optimizer = optimizer_rmsprop(), 
  optimizer = optimizer_sgd(lr = lr, decay = decay),
  metrics = c("mean_absolute_error")
)

# train the model

fit_NN4 %>% 
  fit(
    
    # Training data
    
    x = training %>% select(-date, -mktcap, -permno, -ret.adj) %>% as.matrix(), 
    y = training %>% pull(ret.adj) %>% as.matrix(),
    
    epoch = epoch,
    
    # Validation data
    
    validation_data = 
      list(validation %>% select(-date, -mktcap, -permno, -ret.adj) %>% as.matrix(), 
            validation %>% pull(ret.adj) %>% as.matrix()),
    
    # Callbacks
    
    callbacks = list(
      callback_early_stopping(monitor = "val_loss", # early stop objective
                              mode = "min",         # minimize objective
                              verbose = 1,          # Return epoch at stop
                              patience = 4         # wait for 4 epochs to stop relative to min
                              use_multiprocessing = TRUE
                              )) # Use all CPU capacity       
    )     

库（keras）
纪元%
层密度（单位=64，活化=“relu”）%>%
层密度（单位=32，活化=“relu”）%>%
层密度（单位=16，活化=“relu”）%>%
层密度（单位=8，活化=“relu”）%>%
层密度（单位=1）
#编撰
适合编译%4%>%(
loss=“mse”，#损失目标函数
#优化器=优化器_rmsprop（），
优化器=优化器（lr=lr，衰减=衰减），
指标=c（“平均绝对误差”）
)
#训练模型
适合度\u NN4%>%
合身(
#训练数据
x=training%%>%select（-date，-mktcap，-permno，-ret.adj）%%>%as.matrix（），
y=训练%>%pull（ret.adj）%%>%as.matrix（），
纪元，
#验证数据
验证数据=
列表（验证%>%select（-date，-mktcap，-permno，-ret.adj）%%>%as.matrix（），
验证%>%pull（ret.adj）%%>%as.matrix（）），
#回调
回调=列表(
回调(早停)(monitor=“val_loss”#早停目标
mode=“min”#最小化目标
verbose=1，#在停止时返回历元
耐心=4#等待4个纪元相对于分钟停止
使用多处理=真
))#使用所有CPU容量
)     

我得到

错误：找不到对象“training”

是的，我没有上传整个数据集，因为它太大了。因此，代码片段只是模型体系结构，不包含数据。您看到了吗：它进一步链接到这一点，这似乎是相关的：