在基于pytorch的深度学习实例中常见问题

首先，放出基础源代码（未修改的存在bug版本）

代码片1：

transform = trans.Compose(
    [
        trans.ToTensor(),
        trans.Normalize((0.5,0.5,0.5),(0.5,0.5,0.5))
    ]#将0-1的范围转化成-1,1
)
trainset = torchvision.datasets.CIFAR10(download=False,root='./data',train=True,transform = transform)
#包装
trainloader = torch.utils.data.DataLoader(trainset,batch_size=4,shuffle=True,num_workers=2)
testset = torchvision.datasets.CIFAR10(download=False,root='./data',train=False,transform = transform)
testloader = torch.utils.data.DataLoader(testset,batch_size=4,shuffle=False,num_workers=2)

 代码片2：

import matplotlib.pyplot as plt
import numpy as np

def imshow(img):
    img = img/2+0.5
    npimg = img.numpy()
    plt.imshow(np.transpose(npimg,(1,2,0)))
    plt.show()
dataiter = iter(trainloader)
#images,labels = dataiter.next()
imshow(torchvision.utils.make_grid(images))
print(''.join('%5s'%classes[labels[i]] for i in range(4) ))

1.首先，如果直接跑这两个代码片的话，会出现第一个问题：

出现如下报错（方便搜索者搜索笔者在这里不用截图而直接复制错误）

 '_SingleProcessDataLoaderIter' object has no attribute 'next'

这个问题其实是不同的pytorch版本所支持的语法不同，笔者自身的pytorch版本为2.0.1，所以其支持的语法为

images, labels = next(dataiter)，此问题即可解决

2.其次，在解决完这个问题后，再次跑程序不会出现语法错误，而是在jupyter nootbook中出现此类情况：

【内核挂掉了，正在重启】

导致这个问题的其实是有两种情况的

（1）对于第一个代码片，在Windows系统中，由于其线程问题，我们要将trainloader和testloader中的num_workers设置为0

（2）对于第二的代码片，添加

import os
os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"

笔者猜测应该是通过os包内函数来对系统环境进行约束，但是具体的函数作用在查找资料后仍未得到良好解释，如果有大佬指导欢迎评论留言

更改之后代码片如下（我连起来写了）：

transform = trans.Compose(
    [
        trans.ToTensor(),
        trans.Normalize((0.5,0.5,0.5),(0.5,0.5,0.5))
    ]#将0-1的范围转化成-1,1
)
trainset = torchvision.datasets.CIFAR10(download=False,root='./data',train=True,transform = transform)
#包装
trainloader = torch.utils.data.DataLoader(trainset,batch_size=4,shuffle=True,num_workers=0)
testset = torchvision.datasets.CIFAR10(download=False,root='./data',train=False,transform = transform)
testloader = torch.utils.data.DataLoader(testset,batch_size=4,shuffle=False,num_workers=0)

#分隔符

import matplotlib.pyplot as plt
import numpy as np
import os
os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"
def imshow(img):
    img = img/2+0.5
    npimg = img.numpy()
    plt.imshow(np.transpose(npimg,(1,2,0)))
    plt.show()
dataiter = iter(trainloader)
#images,labels = dataiter.next()
images, labels = next(dataiter)
imshow(torchvision.utils.make_grid(images))
print(''.join('%5s'%classes[labels[i]] for i in range(4) ))

 调整后执行情况如下：