Keras fit_generator中的max_queue_size, workers, use_multiprocessing设置

Keras Model.fit_generator中这三个参数的说明

max_queue_size:

• maximum size of the internal training queue which is used to "precache" samples from the generator

• 预缓存的最大队列数量

workers:

• number of threads generating batches in parallel. Batches are computed in parallel on the CPU and passed on the fly onto the GPU for neural network computations

• 获取batch时的“线程”并行数

use_multiprocessing:

• whether to use process-based threading

• 是否使用 基于进程的线程，猜测是选择进程并行还是线程并行

在fit_generator的demo设置中多采用max_queue_size=10, workers=1, use_multiprocessing=False

max_queue_size

keras训练时会持续创建batch直到缓存队列达到max_queue_size的设置或者训练结束时。使用缓存的好处是在GPU运算快时，避免GPU等待CPU生成batch而浪费时间。

workers

workers是CPU准备数据的并行数，和max_queue_size相似，如果GPU在等数据，调大workers和max_queue_size可以更快的准备数据，避免GPU空转。

use_multiprocessing

是否使用基于进程的线程，对于keras原生的数据生成器或者线程安全的数据生成器，使用True时一般不会出现问题，但是自定义的数据生成器在workers大于1时设置本参数True可能会出现阻塞的问题，例子，此时用False可以避免问题。如果使用多个生成器时，只有设置True时才能有效加速。

参考：

python - How to define max_queue_size, workers and use_multiprocessing in keras fit_generator()? - Stack Overflow

Tip – fit_generator in keras – how to parallelise correctly – Keunwoo Choi (wordpress.com)