Pytorch/MMlab的Dataloader中用pdb进行debug报错

pytorch训练框架或MMlab系列这类封装Pytorch的框架（MMdet、MMcls等）在训练中，如果要在dataset相关的pipeline中进行debug，用pdb打断点，很容易触发这样的错误：

bdb.BdbQuit: Caught BdbQuit in DataLoader worker process 0.

这是由于pytorch的Dataloader在多线程的时候不允许debug。因此要做的很简单，把多线程改成单线程，这个参数在mmlab系列通常是config中的workers_per_gpu。即将workers_per_gpu从原本设置的2或者更多改成

workers_per_gpu=0

注意这里不是改成workers_per_gpu=1，因为从这个参数的定义和描述中可以发现：

---

num_workers (int, optional) – how many subprocesses to use for data loading. 0means that the data will be loaded in the main process. (default: 0) 

然而在Pytorch>=1.7.0版本时，只改动 workers_per_gpu=0也会报错

 raise ValueError('persistent_workers option needs num_workers > 0')
ValueError: persistent_workers option needs num_workers > 0

这是由于Dataloader有一个新的参数persistent_workers，这个默认为True的参数是为了加快训练速度，在数据加载完并不会关闭worker进程，而是保持现有的worker进程继续进行下一个Epoch的数据加载。当设置为True的时候，要求num_workers>=1 。因此进行debug的话还要把这个参数设置为False，一般在