在fit_generator()的文档（文档：https://keras.io/models/sequential/#fit_generator）中，它说参数use_multiprocessing接受一个布尔值，如果设置为True，则允许基于进程的线程。
它还说，参数workers是一个整数，指定使用基于进程的线程时要启动多少进程。显然，默认值为1（单个基于进程的线程），如果设置为0，则在主线程上执行生成器。
我原以为这意味着，如果use_multiprocessing=True且workers> 0（让我们使用6作为示例），那么它将独立地旋转6个生成器进程。但是，当我测试时，我认为我可能误解了某些内容（见下文）。我的困惑在于，如果我将use_multiprocessing设置为False并且workers = 1，则在我的任务管理器中，我可以看到所有12个虚拟核心正在被相当均匀地利用，并且在训练模型时我的CPU使用率约为50％（参考：我的i7-8750H CPU有6个支持虚拟化的内核，并且我已经在BIOS中启用了虚拟化）。如果我增加工作人数，CPU使用率达到100％，训练速度更快。如果我将工作人数减少到0，以便它在主线程上运行，则我可以看到所有虚拟核心仍在使用，但似乎有些不均匀，CPU使用率约为36％。
不幸的是，如果我将multiprocessing设置为True，那么我会收到一个brokenpipe错误。我还没有解决这个问题，但我想更好地理解我在尝试解决什么问题。
如果有人能够解释一下使用use_multiprocessing = True和use_multiprocessing = False进行训练的区别，以及workers为0、1和> 1时的情况，我将不胜感激。如果有影响的话，我正在使用tensorflow（gpu版本）作为keras的后端，python 3.6在Spyder中与IPython Console一起使用。
我怀疑use_multiprocessing=True实际上是在启用多进程，而当use_multiprocessing=False时，workers>1则设置线程数，但这只是我的猜测。
它还说，参数workers是一个整数，指定使用基于进程的线程时要启动多少进程。显然，默认值为1（单个基于进程的线程），如果设置为0，则在主线程上执行生成器。
我原以为这意味着，如果use_multiprocessing=True且workers> 0（让我们使用6作为示例），那么它将独立地旋转6个生成器进程。但是，当我测试时，我认为我可能误解了某些内容（见下文）。我的困惑在于，如果我将use_multiprocessing设置为False并且workers = 1，则在我的任务管理器中，我可以看到所有12个虚拟核心正在被相当均匀地利用，并且在训练模型时我的CPU使用率约为50％（参考：我的i7-8750H CPU有6个支持虚拟化的内核，并且我已经在BIOS中启用了虚拟化）。如果我增加工作人数，CPU使用率达到100％，训练速度更快。如果我将工作人数减少到0，以便它在主线程上运行，则我可以看到所有虚拟核心仍在使用，但似乎有些不均匀，CPU使用率约为36％。
不幸的是，如果我将multiprocessing设置为True，那么我会收到一个brokenpipe错误。我还没有解决这个问题，但我想更好地理解我在尝试解决什么问题。
如果有人能够解释一下使用use_multiprocessing = True和use_multiprocessing = False进行训练的区别，以及workers为0、1和> 1时的情况，我将不胜感激。如果有影响的话，我正在使用tensorflow（gpu版本）作为keras的后端，python 3.6在Spyder中与IPython Console一起使用。
我怀疑use_multiprocessing=True实际上是在启用多进程，而当use_multiprocessing=False时，workers>1则设置线程数，但这只是我的猜测。
workers=0时，多CPU使用率可能是因为您的预处理代码的某些部分具有并行部分，例如numpy函数。 - mrgloommultiprocessing.pool.ThreadPool和multiprocessing.Pool。 - mrgloom