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。
我从一个 2D 数组开始，想将它广播到一个 3D 数组（例如，从灰度图像到 rgb 图像）。这是我使用的代码。
>>> img_grey = np.random.randn(4, 4)
>>> img_rgb = np.broadcast_to(np.expand_dims(img_grey, axis=-1), (4, 4, 3))
这将创建一个img_rgb按预期工作的数组：3 个彩色通道（最后一个维度），每个切片都等于原始灰度图像。但是，如果我这样做
>>> img_rgb[0, 0, 0] = 0.
ValueError: assignment destination is read-only
我无法更改 rgb 图像！
我想我在 matplotlib 中发现了一个错误。我使用 anaconda 作为包管理器，但必须从 github 下载 matplotlib 才能编辑它。
如何导入修改后的 matplotlib 版本以进行测试？我尝试使用
import /absolute/path/to/modified/matplotlib
，但这没有用。理想情况下，我想创建一个使用修改后的 matplotlib 而不是原始版本的 conda 环境，这样我就可以轻松地在两者之间切换。
如何测试和运行开源库的修改版本，而不弄乱软件包的原始版本？有没有办法从绝对路径导入库？