pytorch 多进程读写同一个文件

本文探讨了在PyTorch环境中,如何处理多个进程同时读写同一图片或Tensor的情况,重点关注如何确保数据操作的安全性和一致性。
摘要由CSDN通过智能技术生成

torch 读写同一个图片

# -*- coding:utf-8 -*-
from threading import Thread

import bind_cv as demo
import time

import torch
import torch.multiprocessing as mp

from torch.multiprocessing import Pool, Manager


import cv2


class VideoLoader(Thread):
    def __init__(self, name, cam_url,model):
        super(VideoLoader, self).__init__()
        self.name = name
        self.cam_url = cam_url
        self.index=0
        self.model=model

    def end_callback(self, type):
        print("end", type)
        time.sleep(10)
        print("play restart")
        try:
            binddemo.play_url(self.cam_url, self.m_callback, self.end_callback)
        except Exception as e:
            print("连接失败", e)

    def m_callback(self, a, width, height, t1):
        global start
        global start2
        global t2
        data = a.reshape(height, width, 3)
        data = cv2.cvtColor(data, cv2.COLOR
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值