如何在多核上运行Keras？
我在集群上使用Keras和Tensorflow后端（创建神经网络）。我如何在群集上（在多个内核上）以多线程方式运行它，还是Keras自动完成此操作？例如，在Java中，可以创建多个线程，每个线程在一个内核上运行。
如果可能，应使用多少个内核？
问题答案：
Tensorflow会自动在一台计算机上在尽可能多的内核上运行计算。
如果您有分布式集群，请确保按照https://www.tensorflow.org/how_tos/distributed/上的说明进行配置。（例如，正确创建tf.ClusterSpec等）
为了帮助调试，您可以log_device_placement在会话上使用配置选项以使Tensorflow打印出计算的实际位置。（注意：这适用于GPU和分布式Tensorflow。）
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
请注意，虽然Tensorflow的计算放置算法在小型计算图上运行良好，但通过将计算手动放置在特定设备中，您可能能够在大型计算图上获得更好的性能。（例如，使用with tf.device(...):块。）
-
问题内容： 问题：由于python使用“ GIL”，python是否能够同时运行其单独的线程？ 信息： 看完这篇文章后，我对python是否能够利用多核处理器的不确定性产生了怀疑。尽管python做得很好，但认为它缺乏如此强大的功能实在是很奇怪。因此，我感到不确定，因此决定在这里提问。如果我编写的是多线程程序，它是否可以在多个内核上同时执行？ 问题答案： 答案是“是，但是…” 但是当您使用常规线程
-
然而，我很好奇如何确保这4个实例完全运行在4个不同的核心上？一个实例在启动时如何决定运行在其上的核心？
-
问题内容： 我可以使用一台可以访问10个内核的机器-我想实际使用它们。我习惯在自己的机器上做的事情是这样的： 我要执行10个文件-我们将其称为blah00.fa，blah01.fa，… blah09.fa。 这种方法的问题在于，myProgram一次仅使用1个内核，并且在多核计算机上这样做，我将一次使用10个内核，因此我不会使用mahcine来其最大能力。 如何更改脚本，以使其同时运行所有10个.
-
问题内容： 我在计算机上安装了两个版本的Python（版本2.6和2.5）。我想为一个项目运行2.6，为另一个项目运行2.5。 如何指定要使用的商品？ 我正在使用Windows XP SP2。 问题答案： 运行不同的Python副本就像启动正确的可执行文件一样容易。您提到您只是通过键入从命令行启动python实例。 这在Windows下的作用是拖移环境变量，检查可执行文件，批处理文件（），命令文件
-
我试图在一台机器上连接多个独立的Neo4j实例。 因为我无法找到正确的文档来正确安装Neo4j。 由于我是Neo4j graph db的新手，如果有人能在这方面帮助我，那将非常有帮助。 我使用的是Neo4j版本3.2。2. 下面是我试图在路径下启动新neo4j实例的命令： 我无法启动两个neo4j实例，因为我有两个具有不同端口的文件。 请分享你的想法。
-
问题内容： 我正在用Java编写多线程应用程序，以提高顺序版本的性能。它是针对0/1背包问题的动态编程解决方案的并行版本。我有一个Intel Core 2 Duo，在不同的分区上都具有Ubuntu和Windows 7 Professional。我在Ubuntu中运行。 我的问题是并行版本实际上比顺序版本花费的时间更长。我认为这可能是因为所有线程都被映射到同一个内核线程，或者它们被分配给了同一个内核