linux的python在windows运行_如何将Python应用程序移植到在Windows下运行良好的Linux

我在将一个工作的Windows Python应用程序移植到Linux时遇到了困难。我遇到了一些问题,因为我没有编写代码,只是在学习Python。我很难解决它不断抛出的问题。所以这是一个我现在一直纠结的错误Traceback (most recent call last):File "alpha_beta", line 237, in main()File "alpha_beta", line 18...
摘要由CSDN通过智能技术生成

我在将一个工作的Windows Python应用程序移植到Linux时遇到了困难。我遇到了一些问题,因为我没有编写代码,只是在学习Python。我很难解决它不断抛出的问题。所以这是一个我现在一直纠结的错误Traceback (most recent call last):

File "alpha_beta", line 237, in

main()

File "alpha_beta", line 185, in main

ABCCmd()

File "alpha_beta.py", line 74, in ABCCmd

File "C:\softs\Python\Lib\shutil.py", line 80, in copy

File "C:\softs\Python\Lib\shutil.py", line 47, in copyfile

IOError: [Errno 13] Permission denied: '/myPath/XFiles.bin.addr_patched

如果有任何关于如何修复它的建议,我们将不胜感激

编辑:

但是我现在在执行的时候,我的意思是,我在执行这个程序的时候遇到了错误。为什么回溯引用windows库

2)另一件困扰我的事是,它说错误。但是当我试图为被拒绝的权限添加权限时,它会给我一个chmod:changing permissions of/myPath/xFiles.bin.addr\u已修补':不允许操作

编辑2:

我把一个模块注释掉了,因为我觉得它没什么用处。既然现在我正在讨论移植问题,我想我也可以提出这个额外的问题,因为我认为问

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 在Windows上使用PyTorch时,DataLoader的num_workers参数用于指定在数据加载过程中使用的子进程数量。它的作用是并行地从磁盘读取数据,以加速数据的加载和预处理过程。 然而,在Windows操作系统上,由于不支持"fork"机制,因此不能像在Linux或Mac上那样使用多个子进程。在Windows中,PyTorch在DataLoader的num_workers参数设置为非零值时,会将数据加载和预处理的任务放在主进程中执行,而不会使用额外的子进程。 因此,在Windows上使用PyTorch时,无论将num_workers参数设置为多少,都只有一个主进程用于数据加载和预处理。这导致在Windows上的数据加载速度可能会较慢,特别是当数据集比较大时。为了加快数据加载过程,可以考虑使用较小的batch_size或者使用更快的硬盘存储设备。 总之,在Windows上使用PyTorch时,虽然可以设置num_workers参数,但其实际效果与设置为0时相同,即数据加载是在主进程中完成的,无法利用多进程来加速数据加载过程。 ### 回答2: Windows上使用PyTorch的dataloader时,可以设置num_worker参数来指定数据加载的多线程工作数。num_worker参数的作用是控制加载数据的并发数,即同时加载多少个样本。 在Windows操作系统上,通常建议将num_worker参数设置为0或1。这是因为Windows的多进程实现与Unix系统上的多进程实现有所不同,其中涉及到一些技术方面的限制和差异。 将num_worker设置为0意味着仅使用主进程加载数据,并且不会启动任何额外的工作线程。这是一种简单且可行的方式,当数据集规模较小时,可以减少进程间的冲突问题,并提高代码的可移植性。 将num_worker设置为1意味着在主进程之外使用一个额外的工作线程来加载数据。这样可以在加载数据的同时进行一些前处理操作,但同样不会引入进程间的冲突问题。 需要注意的是,Windows上的多线程工作数设置对于每个人的具体情况可能会有所不同。因此,根据实际需求和硬件配置,可以进行一些尝试和调整来选择最佳的num_worker值,以达到性能的最大化和代码的稳定运行。同时,在使用多线程加载数据时,还需要确保代码的正确性和线程安全性,以避免潜在的错误和异常情况的发生。 ### 回答3: 在使用PyTorch时,可以使用Dataloader类来加载和预处理数据。在Dataloader中有一个参数叫做`num_workers`,它用于指定加载数据时使用的线程数。 `num_workers`参数的作用是并行加载数据,它决定了有多少个子进程用于数据的预处理。使用多个子进程可以加快数据加载的速度,特别是当数据的预处理操作比较耗时时,使用多个子进程可以提高数据加载的效率。 在Windows系统中,由于GIL(全局解释器锁)的存在,多线程并不会真正发挥出并行加载数据的效果,因此在Windows上使用`num_workers`参数设置多个线程的方法并不能有效提高数据加载的速度。相反,设置的`num_workers`越大,对于Windows系统来说,反而可能导致数据加载的速度变慢。 解决这个问题的一个方法是使用`torch.multiprocessing`模块中的`set_start_method`函数将后端设置为`'spawn'`,这样可以阻止使用fork进程来生成子进程,从而在Windows上实现真正的并行加载数据。 总而言之,在Windows系统上,使用`num_workers`参数设置多个线程的方法可能不会真正提高数据加载的速度。为了充分利用多核处理器的计算能力,可以考虑使用`torch.multiprocessing`模块中的函数来设置后端并行加载数据。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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