Pytorch DataLoader 不适用于远程解释器
Pytorch DataLoader doesn't work with remote interpreter
我有以下错误。
Expected: /home/ubuntu/.pycharm_helpers/pydev/pydevd_attach_to_process/attach_linux_amd64.so to exist.
这是代码:
import torch_geometric.transforms as T
category = 'Airplane'
path = osp.join(osp.dirname(osp.realpath(__file__)), '..', 'data', 'ShapeNet')
transform = T.Compose([
T.RandomTranslate(0.01),
T.RandomRotate(15, axis=0),
T.RandomRotate(15, axis=1),
T.RandomRotate(15, axis=2)
])
pre_transform = T.NormalizeScale()
train_dataset = ShapeNet(path, category, split='trainval', transform=transform,
pre_transform=pre_transform)
test_dataset = ShapeNet(path, category, split='test',
pre_transform=pre_transform)
train_loader = DataLoader(train_dataset, batch_size=12, shuffle=True, num_workers=6)
test_loader = DataLoader(test_dataset, batch_size=12, shuffle=False,
num_workers=6)
当我使用数据加载器从数据集中尝试样本时,调试器崩溃并且 returns 这个错误。
已尝试删除远程助手,但没有解决我的问题。
我的本地机器在 运行 windows 10,远程机器在 运行 Ubuntu 18.04
在这里回答我自己,
但事实证明它效率低下。
相反,从 Dataloader 中删除参数 'num_workers' 解决了这个问题。所以这是一个简单的解决方法。
但是,我还没有解决这个问题。多处理可能是有问题的。但是,如果有人对正在发生的事情有任何了解。我会很乐意接受它。
我有以下错误。
Expected: /home/ubuntu/.pycharm_helpers/pydev/pydevd_attach_to_process/attach_linux_amd64.so to exist.
这是代码:
import torch_geometric.transforms as T
category = 'Airplane'
path = osp.join(osp.dirname(osp.realpath(__file__)), '..', 'data', 'ShapeNet')
transform = T.Compose([
T.RandomTranslate(0.01),
T.RandomRotate(15, axis=0),
T.RandomRotate(15, axis=1),
T.RandomRotate(15, axis=2)
])
pre_transform = T.NormalizeScale()
train_dataset = ShapeNet(path, category, split='trainval', transform=transform,
pre_transform=pre_transform)
test_dataset = ShapeNet(path, category, split='test',
pre_transform=pre_transform)
train_loader = DataLoader(train_dataset, batch_size=12, shuffle=True, num_workers=6)
test_loader = DataLoader(test_dataset, batch_size=12, shuffle=False,
num_workers=6)
当我使用数据加载器从数据集中尝试样本时,调试器崩溃并且 returns 这个错误。
已尝试删除远程助手,但没有解决我的问题。 我的本地机器在 运行 windows 10,远程机器在 运行 Ubuntu 18.04
在这里回答我自己,
但事实证明它效率低下。
相反,从 Dataloader 中删除参数 'num_workers' 解决了这个问题。所以这是一个简单的解决方法。
但是,我还没有解决这个问题。多处理可能是有问题的。但是,如果有人对正在发生的事情有任何了解。我会很乐意接受它。