当我们使用use_multiprocessing=True时，其实还要说，同时自定义了generator进行训练，则会造成多线程锁死问题 dead lock

训练任务的表现就是卡死，并没有任何报错，GPU启动不起来，或者说启动了，但是几轮epoch之后就锁死了，任务就没有新的日志产出了

teacher.fit_generator(gen_input, epochs=epochs, verbose=2, steps_per_epoch=65, callbacks=[callback], workers=8,
                          use_multiprocessing=True)

fit_generator seems dead lock

其根本原因还是keras与tensorflow数据交互时候，多线程不能完美兼容，现在要解决这个问题的方法包括

1）适当降低generator的整体数据规模量，目前实验200万时肯定没问题的

2）降低度并行，work设置小于4或者直接关闭use_multiprocessing

3）使用fit模型，当然你既然用了fit_generator就代表了你是在做大规模数据任务，当数据量不足以撑爆内存时 not OOM，你可以选择fit模型

teacher.fit(inputs_new[:, :, :-1], 
[inputs_new[:, -1, -1], inputs_new[:, -pre_len:, 1]], 
epochs=epochs,
batch_size=64, validation_split=0.1, verbose=2, callbacks=[callback])

有的文档说高版本tf没有问题，个人实验2.4仍然没有解决这个dead lock问题

关于方法使用可参考Keras fit_generator中的max_queue_size, workers, use_multiprocessing设置_mishidemudong的博客-CSDN博客_use_multiprocessing

python - How to define max_queue_size, workers and use_multiprocessing in keras fit_generator()? - Stack Overflowhttps://stackoverflow.com/questions/55531427/how-to-define-max-queue-size-workers-and-use-multiprocessing-in-keras-fit-gener