torchdata 使用了 dill 替代了 pickle, 从而允许在spawn多进程模式下转移复杂的数据集。
是该博文的另一种解决方法
pytorch 使用 multiprocess库 让 Dataloader 不再报错 AttributeError: Can‘t pickle local object
https://blog.csdn.net/ONE_SIX_MIX/article/details/130388252
以下为使用 torchdata 的示例,SimpleDataset 可以直接替换为你自己的Dataset
from torchdata.datapipes.iter import IterableWrapper
from torchdata.dataloader2 import DataLoader2
from torchdata.dataloader2 import MultiProcessingReadingService
# 定义一个简单数据集,包含lambda函数
class SimpleDataset:
def __init__(self):
# lambda function here
self.func = lambda x: x+1
def __len__(self):
# 必须实现
return 1000
def __getitem__(self, i):
# 必须实现
if i >= len(self):
raise StopIteration()
return self.func(i)
def map_fn(x):
# 转换为 torch.Tensor
# 要在里面 import torch 才能使用 torch 的函数,不知为何外面的 torch 导入被忽略了。
import torch
return torch.tensor(x)
if __name__ == '__main__':
batchsize = 2
n_worker = 4
# 定义一个数据集
ds = SimpleDataset()
# 使用序列包装后,才能给 DataLoader2 使用
warp_ds = IterableWrapper(ds)
# 使用多进程读取后端
rs = MultiProcessingReadingService(num_workers=n_worker)
# 数据加载器。对数据集使用 混洗shuffle->对每个样本进行map_fn操作map->批量化batch->按pytorch的dalaloader的默认方式进行分组collate->使每个进程生成的样本唯一sharding_filter
dl = DataLoader2(warp_ds.shuffle().map(map_fn).batch(batchsize).collate().sharding_filter(), reading_service=rs)
for x in dl:
print(x)