使程序在Linux服务器后台运行

使用命令：nohup bash scripts/train.sh > myout.txt 2>&1 &

效果如下：其中962278是进程PID，注意代码运行的PID与此不同，所以想中断程序运行需要查看当前用户所有进程PID来找。上述命令的意思nohup是将程序挂起，myout.txt是程序输出。

运行中断方法

首先查看当前用户的所有进程，使用命令 ps ux（ps aux是查看所有用户进程）。效果如下：
注意：
可以看出962278并不是代码运行进程（是使用.sh脚本来运行python的进程），实际跑代码PID是962280
但是如果想程序停止必须先杀死962278因为脚本不停，代码就算杀死了，还会继续重新运行（实验过确实如此）。
下图中982280下面还有16个进程（982280是主进程，下面16个线程），是因为代码里numworks=16，这里杀死982280后都会一起杀死了。

使用命令kill -9 PID来杀死进程，注意：先杀死脚本进程，再杀主要程序进程，下面16个线程自动杀死。效果：

补充：
在train.py代码中设置torch.set_num_threads(1)不影响numwork的数量，也就是还是16个线程处理。
torch.set_num_threads(1)和numworks关系可以参考：

DataLoader 的 num_workers 指定使用多少个并行工作器来加载数据并运行所有转换。如果您正在加载大图像或进行昂贵的转换，那么您可能会遇到 GPU 处理数据速度很快而 DataLoader 太慢而无法持续为 GPU 提供数据的情况。在这种情况下，设置更多的 worker 会有所帮助。我通常会增加这个数字，直到我的 epoch 步长足够快为止。另外，附带提示:如果您使用的是 docker，通常您希望将 shm 设置为 GB 中 1 到 2 倍的工作人员数量，以用于像 ImageNet 这样的大型数据集。

torch.set_num_threads 指定用于并行化 CPU 绑定(bind)张量操作的线程数。如果您在大多数张量操作中使用 GPU，那么此设置并不重要。但是，如果你有张量，你保留在 cpu 上并且你正在对它们进行大量操作，那么你可能会从设置中受益。不幸的是，Pytorch 文档没有指定哪些操作将从中受益，因此请查看您的 CPU 利用率并调整此数字，直到您可以将其最大化。