Keras / Tensorflow-限制内核数（intra_op_parallelism_threads不起作用）

Question

我一直在尝试在CPU群集上运行keras，为此，我需要限制使用的内核数量（这是一个共享系统）。因此，为了限制内核数量，我着眼于这个答案。但是，这根本行不通。我尝试使用以下基本代码运行：

from keras.applications.vgg16 import VGG16
from keras import backend as K
import numpy as np

conf = K.tf.ConfigProto(device_count={'CPU': 1}, 
                        intra_op_parallelism_threads=2, 
                        inter_op_parallelism_threads=2)
K.set_session(K.tf.Session(config=conf))
model = VGG16(weights='imagenet', include_top=False)
x = np.random.randn(1000, 224, 224, 3)
features = model.predict(x)

当我运行它并检查时htop，它将使用所有（128）逻辑核心。这是喀拉拉邦的错误吗？还是我做错了什么？

Keras说我的CPU支持SSE4.1和SSE4.2，因为我不是从二进制编译的，所以未使用它们。从二进制进行编译还会解决原始问题吗？

编辑：从UNIX计算机启动keras脚本时，我找到了一种解决方法：

taskset -c 0-23 python keras_script.py

这将在计算机的前24个内核上运行脚本。它可以工作，但是如果可以从keras / tensorflow中获得它仍然会很好。

Answer 1

我发现这段代码对我有用，希望它有帮助：

from keras import backend as K
import tensorflow as tf
jobs = 2 # it means number of cores
config = tf.ConfigProto(intra_op_parallelism_threads=jobs,
                         inter_op_parallelism_threads=jobs,
                         allow_soft_placement=True,
                         device_count={'CPU': jobs})
session = tf.Session(config=config)
K.set_session(session)