An attempt has been made to start a new process before the current process has finished its bootstrapping phase.
This probably means that you are not using fork to start your child processes and you have forgotten to use the proper idiom
in the main module:
if __name__ == '__main__':
freeze_support()
...
The "freeze_support()" line can be omitted if the program is not going to be frozen to produce an executable.
出错原因:
trainloader=torch.utils.data.DataLoader(dataset=trainset,batch_size=4,shuffle=True,num_workers=2)
这里使用的两个进程读取数据,多进程需要在main函数中运行,而我的这行代码没有在main函数中调用,导致的错误。
解决方案
- 1:将num_workers设置为0,牺牲速度
- 2:将使用trainloader的代码 使用main函数包裹
【1】
import torch
import torchvision
import torchvision.transforms as transforms
import ssl
import torch.utils.data as Data
ssl._create_default_https_context = ssl._create_unverified_context
#下载数据集并对图片进行调整,因为torchvision数据集的输出是PILImage格式,数据域在[0,1]
#我们将其转换成标准数据域[-1,1]的张量格式
#transform 数据转换器
transform=transforms.Compose([transforms.ToTensor(),transforms.Normalize((0.5,0.5,0.5),(0.5,0.5,0.5))])
trainset=torchvision.datasets.CIFAR10(root='./data',train=True,download=True,transform=transform)
# 下载下来的数据放在trainset里面
trainloader=torch.utils.data.DataLoader(dataset=trainset,batch_size=4,shuffle=True,num_workers=0)
# DataLoader数据迭代器 将数据封装成DataLoader
# num_workers:两个线程读取数据
# batch_size=4 批处理
testset=torchvision.datasets.CIFAR10(root='./data',train=False,download=True,transform=transform)
testloader=torch.utils.data.DataLoader(dataset=testset,batch_size=4,shuffle=False,num_workers=0)
classes=('airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck')
#展示若干训练集的图片
#导入画图包和numpy
import matplotlib.pyplot as plt
import numpy as np
#构建展示图片的函数
def imShow(img):
img=img/2+0.5
#img是tensor类型的数据,tensor类型转换成numpy类型的数据
npimg=img.numpy()
plt.imshow(np.transpose(npimg,(1,2,0)))#维度转换成 1 2 0 这三个维度
plt.show()
#从数据迭代器中读取一张图片
try:
dataiter = iter(trainloader)
images,labels=dataiter.next()
#展示图片
imShow(torchvision.utils.make_grid(images))
#使用网格的形式展示图片
#打印标签label
print(' '.join('%5s'%classes[labels[j]] for j in range(4)))
except Exception as e:
print(e)
【2】
import torch
import torchvision
import torchvision.transforms as transforms
import ssl
import torch.utils.data as Data
ssl._create_default_https_context = ssl._create_unverified_context
#下载数据集并对图片进行调整,因为torchvision数据集的输出是PILImage格式,数据域在[0,1]
#我们将其转换成标准数据域[-1,1]的张量格式
#transform 数据转换器
transform=transforms.Compose([transforms.ToTensor(),transforms.Normalize((0.5,0.5,0.5),(0.5,0.5,0.5))])
trainset=torchvision.datasets.CIFAR10(root='./data',train=True,download=True,transform=transform)
# 下载下来的数据放在trainset里面
trainloader=torch.utils.data.DataLoader(dataset=trainset,batch_size=4,shuffle=True,num_workers=2)
# DataLoader数据迭代器 将数据封装成DataLoader
# num_workers:两个线程读取数据
# batch_size=4 批处理
testset=torchvision.datasets.CIFAR10(root='./data',train=False,download=True,transform=transform)
testloader=torch.utils.data.DataLoader(dataset=testset,batch_size=4,shuffle=False,num_workers=2)
classes=('airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck')
#展示若干训练集的图片
#导入画图包和numpy
import matplotlib.pyplot as plt
import numpy as np
#构建展示图片的函数
def imShow(img):
img=img/2+0.5
#img是tensor类型的数据,tensor类型转换成numpy类型的数据
npimg=img.numpy()
plt.imshow(np.transpose(npimg,(1,2,0)))#维度转换成 1 2 0 这三个维度
plt.show()
#从数据迭代器中读取一张图片
if __name__ == '__main__':
try:
dataiter = iter(trainloader)
images, labels = dataiter.next()
# 展示图片
imShow(torchvision.utils.make_grid(images))
# 使用网格的形式展示图片
# 打印标签label
print(' '.join('%5s' % classes[labels[j]] for j in range(4)))
except Exception as e:
print(e)