小编gtg*_*gtg的帖子

在尝试了解内置包multiprocessing和Pytorch 的multiprocessing包时，我观察到两者之间存在不同的行为。我觉得这很奇怪，因为Pytorch 的包与内置包完全兼容。

具体来说，我指的是进程之间共享变量的方式。在 Pytorch 中，张量通过 inplace 操作移动到共享内存share_memory_()。另一方面，通过使用shared_memory模块，我们可以得到与内置包相同的结果。

我很难理解两者之间的区别在于，使用内置版本，我们必须显式访问启动进程内的共享内存块。然而，我们不需要使用 Pytorch 版本这样做。

这是一个Pytorch的玩具示例，显示了这一点：

import time

import torch
# the same behavior happens when importing:
# import multiprocessing as mp
import torch.multiprocessing as mp


def get_time(s):
    return round(time.time() - s, 1)


def foo(a):
    # wait ~1sec to print the value of the tensor.
    time.sleep(1.0)
    with lock:
        #-------------------------------------------------------------------
        # WITHOUT explicitely accessing the shared memory block, we can observe …