需求是使用pyqt5中的槽函數運行keras模型訓練，為了不讓工具在模型訓練的過程中出現假死的現象，於是把訓練操作放到單獨的線程中運行，於是問題來了，訓練操作在主線程運行時正常，但是界面假死，假若訓練在單獨的線程中運行就會出現下面這個問題。
網上對此錯誤的解釋是keras和TensorFlow的版本不對，但是並沒有解釋為什么，一開始我是懷疑的，為什么在主線程中能夠正常運行，單獨開一個線程時就不行了，這為什么是版本的問題？
定位到錯誤代碼的地方，如下圖所示，問題是_SYMBOLIC_SCOPE這個對象沒有value這個值。
接着我們定位到_SYMBOLIC_SCOPE創建的位置，如下圖所示，我們發現在這個_SYMBOLIC_SCOPE創建之后馬上就給他賦值value。
那問題來了為什么會出現value找不到呢？其實關鍵是_SYMBOLIC_SCOPE = threading.local（）這個函數，作用就是將不同線程的值分隔開，即單獨開一個線程運行時通過_SYMBOLIC_SCOPE是取不到另一個線程中給_SYMBOLIC_SCOPE添加的值。
那么問題又來了，value值是在哪個線程中賦值的呢？如下圖所示，其實我們可以發現當import keras的時候，會等待一會的時間，其實是TensorFlow會在后台起一個線程作為守護線程，守護線程執行上面的操作，當我們單獨再起一個線程運行時，新的線程是無法取到守護線程賦予的value值，所以就會出錯。具體為什么這樣實現暫時還不清楚，反正就是多線程去運行keras是不可以，我甚至想過結束后台線程或者更改keras的代碼，手動給_SYMBOLIC_SCOPE .value賦值，雖然程序可以正常運行，但是引入了不確定的風險。
最后回頭去思考版本的問題，出錯的版本的2.3.1，然后找到一個2.2.4版本的keras去看代碼發現沒有_SYMBOLIC_SCOPE這個操作，所以使用這個版本后單獨開一個線程是可以正常運行的。
注意：
1、keras版本更改之后可能會出現TensorFlow、Numpy報錯現象，可能是版本不匹配，重新選擇一個可用的版本即可，下面是我使用版本
keras == 2.2.4 TensorFlow == 1.13.1 Numpy == 1.16.0 python == 3.7
2、出錯的文件是keras/backend/tensorflow_backend.py，兩個版本的此文件代碼差異較大。