如何在PyTorch多处理中共享张量列表？

Question

我正在使用PyTorch多处理进行编程。我希望所有子过程都可以读/写相同的张量列表（不调整大小）。例如，变量可以是

m = list(torch.randn(3), torch.randn(5))

由于每个张量具有不同的大小，因此我无法将它们组织成一个张量。

python列表没有share_memory_（）函数，并且multiprocessing.Manager无法处理张量列表。如何在多个子流程之间共享变量m？

Answer 1

我自己找到解决方案。这很简单。只需为每个列表元素调用share_memory_（）。列表本身不在共享内存中，但列表元素在共享内存中。

演示代码

import torch.multiprocessing as mp
import torch

def foo(worker,tl):
    tl[worker] += (worker+1) * 1000

if __name__ == '__main__':
    tl = [torch.randn(2), torch.randn(3)]

    for t in tl:
        t.share_memory_()

    print("before mp: tl=")
    print(tl)

    p0 = mp.Process(target=foo, args=(0, tl))
    p1 = mp.Process(target=foo, args=(1, tl))
    p0.start()
    p1.start()
    p0.join()
    p1.join()

    print("after mp: tl=")
    print(tl)

输出量

before mp: tl=
[
 1.5999
 2.2733
[torch.FloatTensor of size 2]
, 
 0.0586
 0.6377
-0.9631
[torch.FloatTensor of size 3]
]
after mp: tl=
[
 1001.5999
 1002.2733
[torch.FloatTensor of size 2]
, 
 2000.0586
 2000.6377
 1999.0370
[torch.FloatTensor of size 3]
]