python - 在 theano 中使用多处理

Question

我正在尝试将 theano 与 cpu-multiprocessing 和神经网络库 Keras 结合使用。

我使用 device=gpu 标志并加载 keras 模型。然后，为了提取超过一百万张图像的特征，我使用了多处理池。

函数看起来像这样:

from keras import backend as K

f = K.function([model.layers[0].input, K.learning_phase()], [model.layers[-3].output,])

def feature_gen(flz):
    im = imread(flz)
    cPickle.dump(f([im, 0])[0][0], open(flz, 'wb'), -1)

pool = mp.Pool(processes=10)
results = [pool.apply_async(feature_gen, args=(f, )) for f in filelist]]

然而，这开始在 GPU 内存中创建池，我的代码因内存错误而失败。是否可以强制多处理在 CPU 内存中创建线程，然后使用特定部分进行特征提取，例如使用 GPU 的 f([im, 0])[0][0]？

如果没有，是否有替代方案可以在 python 中并行执行相同的操作？

Answer 1

如果其他进程不使用 keras，则可以使用多个进程，据我所知，您需要将 keras 的使用限制为单个进程。这似乎包括所有 keras 类和方法，甚至包括那些似乎不使用 gpu 的类和方法，例如图像数据生成器。

如果工作负载受 GPU 限制，也可以使用线程库，它创建线程而不是进程，例如在 GPU 处理前一批时加载数据，则该限制不适用。由于全局解释器锁，这不是 CPU 受限环境中的解决方案。

你的情况看起来像一个并行的 [读，在 GPU 上工作，写]。这可以改造成管道，例如一些进程读取，主进程执行 GPU 工作，一些进程写入。

1. 为输入/输出创建队列对象(threading.Queue 或 multiprocessing.Queue)
2. 创建从磁盘读取数据并将其提供给输入队列的后台工作线程/进程
3. 创建后台工作线程/进程，将数据从输出队列写入磁盘
4. 主循环从输入队列中获取数据，创建批处理，在 gpu 上处理数据并填充输出队列