Keras fit_generator中的max_queue_size, workers, use_multiprocessing设置

本文主要是介绍Keras fit_generator中的max_queue_size, workers, use_multiprocessing设置，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Keras Model.fit_generator中这三个参数的说明

max_queue_size:

    maximum size of the internal training queue which is used to "precache" samples from the generator

    预缓存的最大队列数量

workers:

    number of threads generating batches in parallel. Batches are computed in parallel on the CPU and passed on the fly onto the GPU for neural network computations

    获取batch时的“线程”并行数

use_multiprocessing:

    whether to use process-based threading

    是否使用 基于进程的线程，猜测是选择进程并行还是线程并行

在fit_generator的demo设置中多采用max_queue_size=10, workers=1, use_multiprocessing=False
max_queue_size

keras训练时会持续创建batch直到缓存队列达到max_queue_size的设置或者训练结束时。使用缓存的好处是在GPU运算快时，避免GPU等待CPU生成batch而浪费时间。
workers

workers是CPU准备数据的并行数，和max_queue_size相似，如果GPU在等数据，调大workers和max_queue_size可以更快的准备数据，避免GPU空转。
use_multiprocessing

是否使用基于进程的线程，对于keras原生的数据生成器或者线程安全的数据生成器，使用True时一般不会出现问题，但是自定义的数据生成器在workers大于1时设置本参数True可能会出现阻塞的问题，例子，此时用False可以避免问题。如果使用多个生成器时，只有设置True时才能有效加速。

参考：

python - How to define max_queue_size, workers and use_multiprocessing in keras fit_generator()? - Stack Overflow

Tip – fit_generator in keras – how to parallelise correctly – Keunwoo Choi (wordpress.com)
————————————————
版权声明：本文为CSDN博主「there2belief」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/dou3516/article/details/118757164

这篇关于Keras fit_generator中的max_queue_size, workers, use_multiprocessing设置的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---