【pytorch报错】num_workers深度理解 && OSError: [WinError 1455] 页面文件太小,无法完成操作

解决方法： 将num_workers设置为0

dataloader_train = DataLoader(dst_train, shuffle=True, batch_size=int(config.batch_size),
                                  num_workers=config.num_workers)

num_workers是什么？
dataloader一次性创建num_worker个工作进程，并用batch_sampler将指定batch分给指定worker，worker将它负责的batch加载进RAM。
然后，dataloader从RAM中找本轮迭代要用的batch。如果找到了，就使用。如果没找到，就要num_worker个worker继续加载batch到内存，直到dataloader在RAM中找到目标batch。一般情况下都是能找到的，因为batch_sampler指定batch时当然优先指定本轮要用的batch

num_workers设置为0，就是没有worker了吗？
num_worker设置得大，好处是寻batch速度快，因为下一轮迭代的batch很可能在上一轮/上上一轮…迭代时已经加载好了。坏处是内存开销大，也加重了CPU负担（worker加载数据到RAM的进程是CPU复制的嘛）。num_workers的经验设置值是自己电脑/服务器的CPU核心数，如果CPU很强、RAM也很充足，就可以设置得更大些。
如果num_worker设为0，意味着每一轮迭代时，dataloader不再有自主加载数据到RAM这一步骤（因为没有worker了），而是在RAM中找batch，找不到时再加载相应的batch。缺点当然是速度更慢。