PyTorch 不能 pickle lambda

Question

我有一个使用自定义 LambdaLayer 的模型，如下所示：

class LambdaLayer(LightningModule):
    def __init__(self, fun):
        super(LambdaLayer, self).__init__()
        self.fun = fun

    def forward(self, x):
        return self.fun(x)


class TorchCatEmbedding(LightningModule):
    def __init__(self, start, end):
        super(TorchCatEmbedding, self).__init__()
        self.lb = LambdaLayer(lambda x: x[:, start:end])
        self.embedding = torch.nn.Embedding(50, 5)

    def forward(self, inputs):
        o = self.lb(inputs).to(torch.int32)
        o = self.embedding(o)
        return o.squeeze()

该模型在 CPU 或 1 个 GPU 上运行完美。但是，当运行使用 PyTorch Lightning 超过 2 个 GPU 时，会发生此错误：

AttributeError: Can't pickle local object 'TorchCatEmbedding.__init__.<locals>.<lambda>'

这里使用 lambda 函数的目的是给定一个 inputs 张量，我只想将 inputs[:, start:end] 传递给 embedding 层。

我的问题：

在这种情况下，是否有替代方法来使用 lambda？
如果不是，应该怎么做才能让 lambda 函数在这种情况下工作？

Answer 1

所以问题不在于 lambda 函数本身，而是 pickle 不适用于不仅仅是模块级函数的函数（pickle 处理函数的方式就像对某些模块级函数的引用一样）姓名）。所以，不幸的是，如果你需要捕获 start 和 end 参数，你将无法使用闭包，你通常只需要像这样的东西：

def function_maker(start, end):
    def function(x):
        return x[:, start:end]
    return function

但是就 pickling 问题而言，这会让你回到开始的地方。

所以，试试这样的东西：

class Slicer:
    def __init__(self, start, end):
        self.start = start
        self.end = end
    def __call__(self, x):
        return x[:, self.start:self.end])

那么你可以使用：

LambdaLayer(Slicer(start, end))

我不熟悉 PyTorch，但我很惊讶它不提供使用不同序列化后端的能力。例如，pathos/dill 项目可以 pickle 任意函数，而且通常更容易使用它。但我相信以上应该可以解决问题。

PyTorch 不能 pickle lambda

PyTorch can't pickle lambda

python

lambda

pytorch

pickle