我正在使用 GPU 版本的 Keras 对一个预训练的网络进行迁移学习。我不理解如何定义参数max_queue_size、workers和use_multiprocessing。如果我更改这些参数（主要是为了加速学习），我不确定每个 epoch 是否仍然会看到所有数据。
max_queue_size：
内部训练队列的最大大小，用于“预缓存”来自生成器的样本
问题：这是指在 CPU 上准备多少批次？它与
workers如何相关？如何最优地定义它？
workers：
并行生成批次的线程数。批次在 CPU 上并行计算，然后即时传递到 GPU 进行神经网络计算
问题：如何找出我的 CPU 可以/应该生成多少个批次并行处理？
use_multiprocessing：
是否使用基于进程的线程
问题：如果我更改了
workers，是否必须将此参数设置为 true？它与 CPU 使用率有关吗？
相关问题 可在以下链接中找到：
我正在使用以下代码调用 fit_generator()：
history = model.fit_generator(generator=trainGenerator,
steps_per_epoch=trainGenerator.samples//nBatches, # total number of steps (batches of samples)
epochs=nEpochs, # number of epochs to train the model
verbose=2, # verbosity mode. 0 = silent, 1 = progress bar, 2 = one line per epoch
callbacks=callback, # keras.callbacks.Callback instances to apply during training
validation_data=valGenerator, # generator or tuple on which to evaluate the loss and any model metrics at the end of each epoch
validation_steps=
valGenerator.samples//nBatches, # number of steps (batches of samples) to yield from validation_data generator before stopping at the end of every epoch
class_weight=classWeights, # optional dictionary mapping class indices (integers) to a weight (float) value, used for weighting the loss function
max_queue_size=10, # maximum size for the generator queue
workers=1, # maximum number of processes to spin up when using process-based threading
use_multiprocessing=False, # whether to use process-based threading
shuffle=True, # whether to shuffle the order of the batches at the beginning of each epoch
initial_epoch=0)
我的机器规格是：
CPU : 2xXeon E5-2260 2.6 GHz
Cores: 10
Graphic card: Titan X, Maxwell, GM200
RAM: 128 GB
HDD: 4TB
SSD: 512 GB
