如何使用PyTorch多处理？

Question

我正在尝试使用python的multiprocessing Pool方法pytorch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：

predictions = multi_pool.map(get_pred,scale_list)

谁能告诉我我在做什么错？

Answer 1

我建议您阅读 multiprocessing 模块的文档，尤其是本节。您必须通过调用 来更改子流程的创建方式set_start_method。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文档中所述，处理多重处理的最佳做法是使用torch.multiprocessing而不是multiprocessing。

请注意，只有在Python 3中，使用start方法spawn或forkserver作为start方法，才支持在进程之间共享CUDA张量。

在不修改代码的情况下，正在解决的错误的替代方法是

from multiprocessing import Process, Pool

与：

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