Len*_* S. 5 python multiprocessing keras tensorflow
我在单独的脚本中创建了多达 100 个 keras 模型，并使用 model.save() 将它们保存在本地。为了训练它们，我使用 multiprocessing.pool。在这些过程中，我分别加载每个模型。由于发生内存错误，我使用了 keras.backend.clear_session()。这似乎有效，但我也读到它删除了模型的权重。
所以回到我的问题，如果我在池的每个进程中导入“from keras import backend as K”，最后，在我保存模型后，我使用 K.clear_session()，我是否清除了重要数据并行运行的进程或只是这个进程的数据？
如果它删除了并行运行进程的重要数据。是否有可能在进程内创建本地 tensorflow 会话。然后将所需的模型分配给这个会话，然后 clear_session() 这个本地的？
我很感激任何输入。
此外，如果有人知道 clear_session() 的确切功能，那将会很有帮助。这个功能的解释不是很丰富，特别是对于像我这样的初学者。
谢谢 ：）
我遇到了类似的问题，但我没有并行运行模型，而是可以选择：任一模型（在不同的文件夹中，但模型文件名相同）都将运行。
当我在没有clear_session的情况下直接运行模型时，它与之前加载的模型发生冲突，并且无法切换到其他模型。在语句开头（加载模型）包含clear_session之后，它正在工作，但是它也删除了在程序开头声明的预测活动所需的全局变量。
经验教训：clear_session 不仅会“销毁当前的 TF 图并创建一个新的”。如文档中所述，还会删除程序中定义的全局变量。
所以我在clear_session语句之后定义了全局变量
** 感谢反馈