技巧-PyTorch中num_works的作用和实验测试

本专栏为深度学习的一些技巧,方法和实验测试,偏向于实际应用,后续不断更新,感兴趣童鞋可关,方便后续推送

简介

在 PyTorch 中，num_workers 是 DataLoader 中的一个参数，用于控制数据加载的并发线程数。它允许您在数据加载过程中使用多个线程，以提高数据加载的效率。

具体来说，num_workers 参数指定了 DataLoader 在加载数据时将创建的子进程数量。当 num_workers 大于 0 时，DataLoader 会自动利用多个子进程来加速数据加载。这有助于减少主进程的等待时间，并使得数据加载更加并行化。

例如，如果您有一个大型数据集需要加载，而且您的系统有多个 CPU 核心可用，您可以使用 num_workers 参数来提高数据加载的效率。假设您的系统有 4 个 CPU 核心，您可以将 num_workers 设置为 4，以使 DataLoader 在每个核心上创建一个子进程，并行加载数据.

使用方法

下面是一个示例代码，演示了如何使用 num_workers 参数来加速数据加载：

python
import torch  
from torch.utils.data import DataLoader  
from torchvision import datasets, transforms  
  
# 定义数据预处理操作  
transform = transforms.Compose([transforms.ToTensor(), transforms.Normalize((0.5,), (0.5,))])  
  
# 加载数据集  
train_dataset = datasets.MNIST(root='./data', train=True, transform=transform, download=True)  
  
# 创建 DataLoader，设置 num_workers 为 4  
train_loader = DataLoader(train_dataset, batch_size=64, shuffle=True, num_workers=4)  
 # 训练模型...

在上述示例中，我们使用 MNIST 数据集，设置了 num_workers 为 4，以利用系统的 4 个 CPU 核心并行加载数据。这将加速数据加载的过程，使得模型训练更加高效。

实测效果

我采用MMDetetion训练,它可以通过钩子函数统计每一iter的数据读取耗时(data_time)和总耗时(time)
当num_works设置为1时打印结果如下:
当num_works设置为4时打印结果如下:
实验效果与理论一致