最近在學pytorch,在使用數(shù)據(jù)分批訓練時在導入數(shù)據(jù)是使用了 DataLoader 在參數(shù) num_workers的設置上使程序出現(xiàn)運行沒有任何響應的結果 ，看看代碼

import torch  #導入模塊
import torch.utils.data as Data

BATCH_SIZE=8 #每一批的數(shù)據(jù)量

x=torch.linspace(1,10,10) #定義X為 1 到 10 等距離大小的數(shù)
y=torch.linspace(10,1,10)

#轉換成torch能識別的Dataset
torch_dataset = Data.TensorDataset( x,y) #將數(shù)據(jù)放入 torch_dataset

loader=Data.DataLoader(
    dataset=torch_dataset,   #將數(shù)據(jù)放入loader
    batch_size=BATCH_SIZE, #每個數(shù)據(jù)段大小為 BATCH_SIZE=5
    shuffle=True ,  #是否打亂數(shù)據(jù)的排布
    num_workers=2 #每次提取數(shù)據(jù)多進進程為2
    )
for epoch in range(3):
  
  for step,(batch_x,batch_y) in enumerate(loader):
    
    print('epoch',epoch,'|step:',step," | batch_x",batch_x.numpy(),

       '|batch_y:',batch_y.numpy())

（以上代碼取莫煩python教學視頻，教學視頻中沒有報錯）

程序就停止成這樣了

上網(wǎng)查詢沒有得到有用的東西，因為程序沒有報錯，就是沒有任何反應，（沒有反應可能跟電腦或者編譯器有關，我使用的是anconda spyder）于是決定自己找找

期初我采用在語句后面加 print('1')檢測程序停在了什么地方，（其實這是一種笨方法，在這里可以采用斷點調試）程序停在了 for step,(batch_x,batch_y) in enumerate(loader):

我以為是enumerate的問題，查資料發(fā)現(xiàn)這就是一個可返回列表元素和鍵值的函數(shù)，不存在問題

繼續(xù)排查，把目光放在了loader,于是查詢了DataLoader的參數(shù)

DataLoader的函數(shù)定義如下：

DataLoader(dataset, batch_size=1, shuffle=False, sampler=None,
num_workers=0, collate_fn=default_collate, pin_memory=False,
drop_last=False)

1. dataset：加載的數(shù)據(jù)集(Dataset對象)

2. batch_size：batch size

3. shuffle:：是否將數(shù)據(jù)打亂

4. sampler： 樣本抽樣，后續(xù)會詳細介紹

5. num_workers：使用多進程加載的進程數(shù)，0代表不使用多進程

6. collate_fn： 如何將多個樣本數(shù)據(jù)拼接成一個batch，一般使用默認的拼接方式即可

7. pin_memory：是否將數(shù)據(jù)保存在pin memory區(qū)，pin memory中的數(shù)據(jù)轉到GPU會快一些

8. drop_last：dataset中的數(shù)據(jù)個數(shù)可能不是batch_size的整數(shù)倍，drop_last為True會將多出來不足一個batch的數(shù)據(jù)丟棄

發(fā)現(xiàn)我所定義的幾個參數(shù)只有num_workers嫌疑最大，于是將參數(shù)值改成了默認值 0，程序可以運行了，（一把老淚縱橫）

看看進程是什么鬼 發(fā)現(xiàn)在這里好像沒啥用（具體自己上網(wǎng)查查）

以上這篇解決pytorch DataLoader num_workers出現(xiàn)的問題就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

最新評論