我正在使用 Keras 的 LSTM（使用 Theano 背景）研究Seq2Seq 模型，我想并行化这些过程，因为即使是几 MB 的数据也需要几个小时的训练。
很明显，GPU 在并行化方面比 CPU 好得多。目前，我只有 CPU 可以使用。我可以访问 16 个 CPU（每个核心 2 个线程 X 每个插槽 4 个核心 X 2 个插槽）
从 Theano 中的多核支持文档中，我设法使用了单个套接字的所有四个内核。因此，基本上 CPU 的使用率为 400%，使用了 4 个 CPU，其余 12 个 CPU 仍未使用。我也如何利用它们。如果可以的话，也可以使用 Tensorflow 代替 Theano 背景。
为了设置 Theano 中使用的线程数（以及 CPU 内核数），您需要在环境中设置一些参数：
import os
os.environ['MKL_NUM_THREADS'] = '16'
os.environ['GOTO_NUM_THREADS'] = '16'
os.environ['OMP_NUM_THREADS'] = '16'
os.eviron['openmp'] = 'True'
这应该允许您使用所有 CPU 的所有内核。
当然，这也可以在 Tensorflow 中完成：
import tensorflow as tf
from keras.backend import tensorflow_backend as K
with tf.Session(config=tf.ConfigProto(
intra_op_parallelism_threads=16)) as sess:
K.set_session(sess)
<Your Keras code>