pytorch多進(jìn)程如何優(yōu)化

這篇文章將為大家詳細(xì)講解有關(guān)pytorch多進(jìn)程如何優(yōu)化，小編覺得挺實(shí)用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

目標(biāo)：優(yōu)化代碼，利用多進(jìn)程，進(jìn)行近實(shí)時預(yù)處理、網(wǎng)絡(luò)預(yù)測及后處理：

嘗試了pytorch的multiprocessing，進(jìn)行多進(jìn)程同步處理以上任務(wù)。

from torch.multiprocessing import Pool,Manager

為了進(jìn)行各進(jìn)程間的通信，使用Queue，作為數(shù)據(jù)傳輸載體。

  manager = Manager()
  input_queue = manager.Queue()
  output_queue = manager.Queue()

  show_queue = manager.Queue()

即將預(yù)處理進(jìn)程處理后的圖像放進(jìn) input_queue，而網(wǎng)絡(luò)預(yù)測進(jìn)程實(shí)時獲取 input_queue隊(duì)列中的數(shù)據(jù)，一旦放入，就從中取出，輸入網(wǎng)絡(luò)：

while 1：

  input = input_queue.get()

同理，將網(wǎng)絡(luò)輸出放入output_queue，再由后處理進(jìn)程實(shí)時獲取并進(jìn)行后處理，處理后，放入show_queue

從而實(shí)現(xiàn)了多進(jìn)程同步進(jìn)行預(yù)處理、網(wǎng)絡(luò)預(yù)測及后處理，加速了網(wǎng)絡(luò)實(shí)時預(yù)測的表現(xiàn)。

問題及解決方案：

1. pytorch cuda報錯，re-initialization報錯問題：

習(xí)慣了在一開始將模型先加載進(jìn)來放入gpu中，所以模型在主線程就完成了初始化，但是調(diào)用網(wǎng)絡(luò)是在網(wǎng)絡(luò)預(yù)測子進(jìn)程進(jìn)行的，就會導(dǎo)致跨進(jìn)程重復(fù)初始化失敗。

解決方案：

直接在子進(jìn)程開始時初始化，其他進(jìn)程可以設(shè)置個延時，等網(wǎng)絡(luò)初始化好后再開始運(yùn)行。

同理，數(shù)據(jù)輸入網(wǎng)絡(luò)也是同樣的在子進(jìn)程進(jìn)行。

2. python3多進(jìn)程編程，子進(jìn)程不報錯問題：

一開始總是代碼運(yùn)行起來什么都不出現(xiàn)，就開始各種debug，但因?yàn)閜ython3中子進(jìn)程不報錯，出錯了就卡在那里，就每次自己找bug很麻煩，所以就急需子進(jìn)程的報錯信息。

解決方案：

用try except組合，來打印子進(jìn)程中某段程序錯誤，如下：

  try:
        out = forward(input_img,model,1)
      except Exception as error:
        print(error)

3.進(jìn)程完全不運(yùn)行時，考慮是否是輸入設(shè)置的問題，即當(dāng)單變量輸入時，后面要加都好，如：

pool.apply_async(load_frame,args=(input_queue,))

如果是pool.apply_async(load_frame,args=(input_queue))則該進(jìn)程不會啟動運(yùn)行。

4. 一開始想優(yōu)化cv2.resize，想用gpu下的tensor的resize_代替，但發(fā)現(xiàn)這種方式和numpy.resize一脈相承啊，根本不是我們想要的resize，如果是變大的話，這種resize會直接按順序填，然后剩下的就填0，實(shí)在是太草率了。。。

解決方案：還沒有很好的替代方案，只找了一下，cuda::resize，但是好像貌似沒有python接口，要是混合編程好像有點(diǎn)小題大做，得不償失了。

關(guān)于“pytorch多進(jìn)程如何優(yōu)化”這篇文章就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，使各位可以學(xué)到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。