Tensorflow 2.0是否线程安全？
更具体地说，在Tensorflow 2.0中（使用Keras API），从不同线程调用同一个模型的fit/predict或其他方法是否安全？
我在文档中或在线查找时没有找到明确的答案。
我看到这个问题是2017年提出的，说Keras（虽然问题提到的是Theano后端）是线程安全的，但你必须在调用predict()之前调用私有方法model._make_predict_function()（我认为这已经废弃）。然而，我阅读了这篇博客文章，这是2019年的，说它不是线程安全的。
我还找到了这个问题，是2018年提出的，说Tensorflow（Keras之前的版本）是线程安全的，但你必须确保显式使用默认图（我认为这对Tensorflow 2.*无关紧要，因为有急切执行）。当我查找急切执行中的线程安全性时，我看到了这篇文章，文档中提到了急切执行的线程安全性，但它是关于Java的。
为了让事情更加混乱，我在Github上看到今年（2020年）的一个使用Keras的A3C实现，在训练共享的策略/值网络之前使用了锁，暗示Keras不是线程安全的，你必须在训练共享模型之前获取锁。然而，在我看来，这个实现是有缺陷的，因为每个工作者都在创建和使用它自己的独特锁，这违背了拥有锁的目的。我的结论是，要么他的代码不顾“锁”而成功运行，因为Keras是线程安全的，要么他有一个错误。
我做了自己的最终测试，我运行了两个线程，让同一个模型适应不同的输出（对于相同的常量输入），并在训练期间尝试调用predict，看起来是工作的，但我问这个问题是因为我想确保。Tensorflow 2.0/Keras是否有任何不线程安全的情况？
回答：
根据Keras贡献者在这个 GitHub问题中的说法：
Keras模型不能保证是线程安全的。考虑在每个线程中拥有模型的独立副本以进行CPU推理。
