使用KERAS的Python生成器线程安全

首先，我们需要安装keras库，如果你还没有安装，可以使用pip命令进行安装：

```bash
pip install keras
```

然后，我们可以使用Keras的Sequence类来创建一个线程安全的生成器。Sequence是一个抽象的父类，它提供了以下几个方法：

1. `__getitem__(self, idx)`: 返回第idx个样本的数据和标签。
2. `__len__(self)`: 返回数据的数量。
3. `on_epoch_end(self)`: 在每个epoch结束时调用，可以用来进行一些数据增强或者打乱数据。

下面是一个线程安全的生成器的示例：

```python
from keras.utils import Sequence
import numpy as np

class DataGenerator(Sequence):
    'Generates data for Keras'
    def __init__(self, list_IDs, labels, batch_size=32, dim=(100, 100), n_channels=3, shuffle=True):
        'Initialization'
        self.dim = dim
        self.batch_size = batch_size
        self.labels = labels
        self.list_IDs = list_IDs
        self.n_channels = n_channels
        self.shuffle = shuffle
        self.on_epoch_end()

    def __len__(self):
        'Denotes the number of batches per epoch'
        return int(np.floor(len(self.list_IDs) / self.batch_size))

    def __getitem__(self, index):
        'Generate one batch of data'
        # Generate indexes of the batch
        indexes = self.indexes[index*self.batch_size : (index+1)*self.batch_size]

        # Find list of IDs
        list_IDs_temp = [self.list_IDs[k] for k in indexes]

        # Generate data
        X, y = self.__data_generation(list_IDs_temp)

        return X, y

    def on_epoch_end(self):
        'Updates indexes after each epoch'
        self.indexes = np.arange(len(self.list_IDs))
        if self.shuffle == True:
            np.random.shuffle(self.indexes)

    def __data_generation(self, list_IDs_temp):
        'Generates data containing batch_size samples'
        # Initialization
        X = np.empty((self.batch_size, *self.dim, self.n_channels))
        y = np.empty((self.batch_size), dtype=int)

        # Generate data
        for i, ID in enumerate(list_IDs_temp):
            # Store sample
            X[i] = np.load('data/' + ID + '.npy')
            # Store class
            y[i] = self.labels[ID]

        return X, keras.utils.to_categorical(y, num_classes=self.num_classes)
```

在这个示例中，我们定义了一个DataGenerator类，它继承了Sequence类。在初始化函数中，我们设置了数据的维度、批次大小和是否需要打乱数据。在`__len__`函数中，我们返回了数据的数量。在`__getitem__`函数中，我们返回一个批次的数据。在`on_epoch_end`函数中，我们在每个epoch结束时打乱数据。

在`__data_generation`函数中，我们读取数据并将其存储到X和y中。我们还使用keras的utils.to_categorical函数将标签转换为one-hot编码。

这只是一个基本的示例，你可以根据你的具体需求进行修改。例如，你可能需要处理更复杂的数据格式，或者使用不同的数据增强策略。python