如何使用 PyTorch 多处理？答案

【问题标题】：How to use PyTorch multiprocessing?如何使用 PyTorch 多处理？
【发布时间】：2018-07-27 02:36:09
【问题描述】：

我正在尝试在pytorch 中使用python 的多处理Pool 方法来处理图像。代码如下：

from multiprocessing import Process, Pool
from torch.autograd import Variable
import numpy as np
from scipy.ndimage import zoom

def get_pred(args):

  img = args[0]
  scale = args[1]
  scales = args[2]
  img_scale = zoom(img.numpy(),
                     (1., 1., scale, scale),
                     order=1,
                     prefilter=False,
                     mode='nearest')

  # feed input data
  input_img = Variable(torch.from_numpy(img_scale),
                     volatile=True).cuda()
  return input_img

scales = [1,2,3,4,5]
scale_list = []
for scale in scales: 
    scale_list.append([img,scale,scales])
multi_pool = Pool(processes=5)
predictions = multi_pool.map(get_pred,scale_list)
multi_pool.close() 
multi_pool.join()

我收到此错误：

`RuntimeError: Cannot re-initialize CUDA in forked subprocess. To use CUDA with multiprocessing, you must use the 'spawn' start method

` 在这一行：

predictions = multi_pool.map(get_pred,scale_list)

谁能告诉我我做错了什么？

【问题讨论】：

标签： python computer-vision multiprocessing pytorch

【解决方案1】：

如pytorch documentation 中所述，处理多处理的最佳实践是使用torch.multiprocessing 而不是multiprocessing。

请注意，仅 Python 3 支持在进程之间共享 CUDA 张量，使用 spawn 或 forkserver 作为启动方法。

在不接触您的代码的情况下，您遇到的错误的解决方法是替换

from multiprocessing import Process, Pool

与：

from torch.multiprocessing import Pool, Process, set_start_method
try:
     set_start_method('spawn')
except RuntimeError:
    pass

【讨论】：

有时甚至torch.multiprocessing.set_start_method('spawn', force=True)
在这种情况下，请确保您的主循环由if __name__ == '__main__': 分隔，因为全局语句将在生成时执行
这解决了一个问题，但又引入了另一个问题，TypeError: 'NoneType' object is not callable。有人看过吗？

【解决方案2】：

我建议您阅读多处理模块的文档，尤其是 this section。您必须通过调用set_start_method 来更改创建子流程的方式。摘自那些引用的文档：

import multiprocessing as mp

def foo(q):
    q.put('hello')

if __name__ == '__main__':
    mp.set_start_method('spawn')
    q = mp.Queue()
    p = mp.Process(target=foo, args=(q,))
    p.start()
    print(q.get())
    p.join()

【讨论】：