Keras“pickle_safe”：Python 中的“pickle 安全”或“不可 picklable”是什么意思？

Keras fit_generator()有一个参数pickle_safe默认为False.
如果有的话，训练可以跑得更快ispickle_safe，并相应地将标志设置为True ?

根据Kera 的文档 https://keras.io/models/sequential/:

泡菜安全：如果为 True，则使用基于进程的线程。请注意，由于此实现依赖于多处理，因此您不应将不可挑选的参数传递给生成器，因为它们无法轻松传递给子进程。

我不太明白这到底在说什么。
我如何确定我的论点是否正确pickle_safe or not ??

如果相关：
- 我正在传递一个自定义生成器
- 生成器函数接受参数：X_train、y_train、batch_size、p_keep；
它们的类型为 np.array、int、float）
- 我没有使用 GPU
- 另外，我正在使用 Keras 1.2.1，尽管我相信这个参数的行为与 keras 2 中的相同

我不熟悉keras，但是从文档来看，pickle_safe只是意味着生成器生成的元组必须是“picklable”。

pickle是一个标准的Python模块，用于序列化和反序列化对象。标准multiprocessing实现使用pickle在不同进程之间共享对象的机制——由于两个进程不共享相同的地址空间，因此它们无法直接看到相同的Python对象。因此，要将对象从进程 A 发送到进程 B，它们在 A 中进行腌制（以特定的众所周知的格式生成一系列字节），然后通过进程间通信机制将腌制的格式发送到 B，并且在 B 中进行 unpickled，在 B 的地址空间中生成 A 的原始对象的副本。

因此，要发现您的对象是否可腌制，只需调用，例如：pickle.dumps在他们。

>>> import pickle
>>> class MyObject:
...    def __init__(self, a, b, c):
...      self.a = a
...      self.b = b
...      self.c = c
...
>>> foo = MyObject(1, 2, 3)
>>> pickle.dumps(foo)
b'\x80\x03c__main__\nMyObject\nq\x00)\x81q\x01}q\x02(X\x01\x00\x00\x00cq\x03K\x03X\x01\x00\x00\x00aq\x04K\x01X\x01\x00\x00\x00bq\x05K\x02ub.'
>>>

dumps产生一个字节字符串。我们现在可以重构foo字节字符串中的对象为bar using loads:

>>> foo_pick = pickle.dumps(foo)
>>> bar = pickle.loads(foo_pick)
>>> bar
<__main__.MyObject object at 0x7f5e262ece48>
>>> bar.a, bar.b, bar.c
(1, 2, 3)

如果某些东西不可picklable，你会得到一个例外。例如，lambda 不能被 pickle：

>>> class MyOther:
...   def __init__(self, a, b, c):
...     self.a = a
...     self.b = b
...     self.c = c
...     self.printer = lambda: print(self.a, self.b, self.c)
...
>>> other = MyOther(1, 2, 3)
>>> other_pick = pickle.dumps(other)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: Can't pickle local object 'MyOther.__init__.<locals>.<lambda>'

请参阅文档以获取更多信息：https://docs.python.org/3.5/library/pickle.html?highlight=pickle#what-c​​an-be-pickled-and-unpickled https://docs.python.org/3.5/library/pickle.html?highlight=pickle#what-can-be-pickled-and-unpickled