如何使用 PyTorch 多处理？

Question

我正在尝试使用 python 在 pytorch 中的多处理 Pool 方法来处理图像。这是代码：

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

` 在这一行中：

predictions = multi_pool.map(get_pred,scale_list)

谁能告诉我我做错了什么？

Answer 1

我建议您阅读多处理模块的文档，尤其是 this section。您将不得不通过调用 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()

Answer 2

如 pytorch documentation 中所述，处理多进程的最佳做法是使用 torch.multiprocessing 而不是 multiprocessing。

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

在不修改您的代码的情况下，解决您遇到的错误的方法是替换

from multiprocessing import Process, Pool

与：

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

如何使用 PyTorch 多处理？

How to use PyTorch multiprocessing?

python

multiprocessing

computer-vision

pytorch