RuntimeError: DataLoader worker (pid(s) 8548, 6916) exited unexpectedly

最新推荐文章于 2024-10-21 20:09:40 发布

原创

最新推荐文章于 2024-10-21 20:09:40 发布 · 9.4k 阅读

109 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #人工智能 #python

经过了两天的摸索，对于这个问题，终于圆满的解决了，对于一个深度学习的小白来说，面对这样的问题，实在太难受了。

在这几天里，不断去找一些博客的经验，很多都说把num_workers设置为0，但是却没有具体的关于如何设置的教程，使我在这个问题上特别难受。现在终于找到了解决办法了，希望能帮助到有同样问题的朋友。

由于在windows中是不能使用多个子进程加载数据的，在linux系统中可以。所以在windows中要将num_workers设置为0的。

具体怎么做呢，请往下看：

本文的例子问李沐老师的深度学习的示例（Lenet）：

代码如下：

import torch
from torch import nn
from d2l import torch as d2l
from torch.utils import data

class Reshape(torch.nn.Module):
    def forward(self,x):
        return x.view(-1,1,28,28)

net = torch.nn.Sequential(
    Reshape(),nn.Conv2d(1,6,kernel_size=5,padding=2),nn.Sigmoid(),
    nn.AvgPool2d(2,stride=2),
    nn.Conv2d(6,16,kernel_size=5),nn.Sigmoid(),
    nn.AvgPool2d(kernel_size=2,stride=2),nn.Flatten(),#把低维保持，高维的拉成一维，最终为一维向量
    nn.Linear(16*5*5,120),nn.Sigmoid(),
    nn.Linear(120,84),nn.Sigmoid(),
    nn.Linear(84,10)
)


X = torch.rand(size=(1,1,28,28),dtype=torch.float32)
for layer in net:
    X = layer(X)
    #print(layer.__class__.__name__,'output shap