我有遗传算法，可以为我执行超参数搜索神经网络。我有10代，每代产生20个神经网络。但是现在，对于每一代人来说，我一次都在训练一个网络。因此，这需要很长时间。相反，我尝试进行多处理，其中每代并行训练所有20个神经网络。但是，当我这样做时，我的神经网络信息不会被更新。这就是我一步一步训练20个神经网络的工作：

def train_networks(networks,dataset):
    """Train each network.
    Args:
        networks (list): Current population of networks
        dataset (str): Dataset to use for training/evaluating
    """


    print('training each network')
    pbar = tqdm(total=len(networks))
    for network in networks:
        print('training network - inside loop')
        network.train(dataset)
        pbar.update(1)
    pbar.close()
    print('done training')

我想在这里使用多重处理。对于多处理，我执行了以下操作：

def train_networks(networks,dataset):
    """Train each network.
    Args:
        networks (list): Current population of networks
        dataset (str): Dataset to use for training/evaluating
    """


    for network in networks:
        p = multiprocessing.Process(target=network.train,args=(dataset,))
        p.start()
        p.join()

但这不起作用。如何修改代码，以便并行训练所有20个网络。帮助将不胜感激。