在走這段代碼的時(shí)候報(bào)錯(cuò)了，記錄一下我的調(diào)試過(guò)程，感覺(jué)有個(gè)思路來(lái)走就挺好的。

• 1、報(bào)錯(cuò)與解決

文件名字：ClassifierTest.py

import torch
import torchvision
import torchvision.transforms as transforms
from torchTest import imgShow

transform = transforms.Compose([transforms.ToTensor(),
                                transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
trainset = torchvision.datasets.CIFAR10(root='Resources/CIFAR10',  # 存放路徑 #?。?Resources/CIFAR10是絕對(duì)路徑，C:\Resources\CIFAR10
                                    train=True, download=True,  # 是否下載訓(xùn)練集
                                    transform=transform)  # 圖片轉(zhuǎn)換
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4, shuffle=True, num_workers=2)
testset = torchvision.datasets.CIFAR10(root='Resources/CIFAR10', train=False, download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=4, shuffle=False, num_workers=2)

classes = ('plane', 'car', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

dataIter = iter(trainloader)
images, labels = dataIter.next()
imgShow.imshow(torchvision.utils.make_grid(images))
print(' '.join(classes[labels[j]] for j in range(4)))

報(bào)錯(cuò)

        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.

關(guān)于這個(gè)報(bào)錯(cuò)，涉及線程問(wèn)題，改num_workers=0，當(dāng)然就么事沒(méi)有，然而，作為一個(gè)優(yōu)秀的程序員，能止步于此嗎，不行的。

我百度了一下報(bào)錯(cuò)情況，找到這樣的解決方案，是可行：

def main():
    transform = transforms.Compose([transforms.ToTensor(),
                                    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
    trainset = torchvision.datasets.CIFAR10(root='Resources/CIFAR10',  # 存放路徑，注：/Resources/CIFAR10是絕對(duì)路徑，C:\Resources\CIFAR10
                                            train=True, download=True,  # 是否下載訓(xùn)練集
                                            transform=transform)  # 圖片轉(zhuǎn)換
    trainloader = torch.utils.data.DataLoader(trainset, batch_size=4, shuffle=True, num_workers=2)
    testset = torchvision.datasets.CIFAR10(root='Resources/CIFAR10', train=False, download=True, transform=transform)
    testloader = torch.utils.data.DataLoader(testset, batch_size=4, shuffle=False, num_workers=2)
    classes = ('plane', 'car', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

    dataIter = iter(trainloader)
    images, labels = dataIter.next()
    imgShow.imshow(torchvision.utils.make_grid(images))
    print(' '.join(classes[labels[j]] for j in range(4)))

if __name__=='__main__': #不加這句就會(huì)報(bào)錯(cuò)
    main()

• 2、為什么是main？

整段放在main里面，就安全了——為什么呢？

對(duì)于python編程我還是萌新，實(shí)在想不明白加個(gè)__name__=='__main__'判斷有什么魅力。

報(bào)錯(cuò)的位置在這里：

C:\Users\13723\AppData\Local\Programs\Python\Python39\Lib\multiprocessing\spawn.py

def _check_not_importing_main():
    if getattr(process.current_process(), '_inheriting', False):
        raise RuntimeError('''
        An attempt has been made to start a new process before the
        current process has finished its bootstrapping phase...''')

_inheriting，查找當(dāng)前程序的可繼承性？沒(méi)用過(guò)，筆者不知道呢。

看不懂（下文有解），只能從方法名字入手，它走這一段為了什么——

檢查是不是源自__main__模塊，即程序不讓由執(zhí)行腳本import的模塊走這一段。

我跑ClassifierTest.py（進(jìn)程pid1），它在走到

dataIter = iter(trainloader)

里面，由其他模塊，再導(dǎo)入了一次ClassifierTest.py（此時(shí)是進(jìn)程pid2）

而當(dāng)增加判斷 __name__==’__main__’，就避免模塊陷入執(zhí)行的死循環(huán)。

• 3、為什么多一個(gè)進(jìn)程？

3.1 現(xiàn)象

為什么會(huì)多一個(gè)進(jìn)程，num_workers=2，此句是一個(gè)進(jìn)程兩個(gè)線程worker，還是兩個(gè)進(jìn)程worker呢？

 我很奇怪，為什么不是開(kāi)線程，而是開(kāi)進(jìn)程這么個(gè)重量級(jí)東西。

雖然叫做process，但它應(yīng)該只干一個(gè)事情——畢竟進(jìn)程的重量級(jí)要大于線程。

3.2 線程與進(jìn)程

這個(gè)時(shí)候就很糾結(jié)線程和進(jìn)程的區(qū)別了，

（參考：https://www.zhihu.com/question/25532384）

線程是cpu執(zhí)行的時(shí)間段顆粒，

進(jìn)程保存上下文，cpu切進(jìn)進(jìn)程里面讀取上下文（寄存器、指令內(nèi)容之類(lèi)）。

這樣看來(lái)，如果進(jìn)程是倉(cāng)庫(kù)，線程就是倉(cāng)庫(kù)里面的機(jī)器人，等待CPU來(lái)靈魂激活。但是在一個(gè)倉(cāng)庫(kù)里面工作，必然比在多個(gè)倉(cāng)庫(kù)里面工作要省事。

所以為什么要開(kāi)多進(jìn)程呢？

一個(gè)莫名的靈感，讓我查了一下fork()，

（參考：http://www.rzrgm.cn/liyuan989/p/4279210.html）

 fork 意為分支，分支與父進(jìn)程幾乎一樣的子進(jìn)程。子進(jìn)程區(qū)別于父進(jìn)程，兩者有不同的pid，但二者的引用均指向相同的地址。

話(huà)雖如此，Python里面確實(shí)是包含threading，和process模塊，那為什么選擇process更好？

（參考：https://zhuanlan.zhihu.com/p/20953544）

一個(gè)進(jìn)程，有一個(gè)全局鎖GIL（Global Interpreter Lock），此設(shè)定是為了數(shù)據(jù)安全。

線程執(zhí)行時(shí)，先獲取GIL，執(zhí)行代碼直到sleep或掛起，釋放GIL。

所以多線程執(zhí)行，其實(shí)僅是宏觀時(shí)間上處理多任務(wù)，微觀時(shí)間上仍是順序處理。

而每個(gè)進(jìn)程有各自獨(dú)立的GIL，互不干擾，多進(jìn)程才能在真正意義上實(shí)現(xiàn)并行執(zhí)行（多核CPU同時(shí)做多個(gè)任務(wù)，程序在微觀時(shí)間上同時(shí)執(zhí)行）。

3.3 Python中，worker是進(jìn)程

為什么會(huì)再讀一次ClassifierTest.py，從堆棧看，是這里：

（注，以下截圖可能取自不同次調(diào)試，所以父pid會(huì)不同）

 走了 exec(code, run_globals) 導(dǎo)致再此導(dǎo)入 ClassifierTest.py 。

再往前走frame not available，也即IDE只能看到spawn_main函數(shù)。

（spawn應(yīng)該就是孵化了，孵化進(jìn)程的，還挺有蛇下蛋的感覺(jué)）

 更之前的調(diào)用情況沒(méi)有了，可以猜是不是新進(jìn)程直接調(diào)用spawn_main了，那就找spawn_main引用。

（可能pyCharm我還沒(méi)get靈魂用法，spawn_main引用我是用notepad++查找全局的）

Python39\Lib\multiprocessing\popen_spawn_win32.py

前后呼應(yīng)：

在查看堆棧的過(guò)程中，恰巧看到了_inheriting的賦值：

堆棧可以看到對(duì)_inheriting賦值，此時(shí)就很明了表示是否子進(jìn)程，此處賦值True。

再者，inheriting是ing結(jié)尾，表示進(jìn)行時(shí)狀態(tài)；如果是表示繼承性，應(yīng)該叫inherited，如此看來(lái)這個(gè)編程就很細(xì)心，自己寫(xiě)程序的時(shí)候也得注意。

 3.4 num_workers=2 的結(jié)果

前文設(shè)置num_workers = 2，此時(shí)就是父進(jìn)程帶著兩個(gè)子進(jìn)程，

__name__==’__main__’ 的處理，阻止了子進(jìn)程由于調(diào)用 ClassifierTest.py 而再生子子進(jìn)程的子孫無(wú)窮盡也。

主線程12012 它有兩個(gè)worker，分別是 15480 和 7036 。

（這個(gè)數(shù)值是系統(tǒng)分配的pid編號(hào)，區(qū)分進(jìn)程的代號(hào)，每次啟動(dòng)程序都不同）

15480 和 7036 帶著自己的Queue，dataloader.py完成了這個(gè)配置。

dataIter = iter(trainloader)
images, labels = dataIter.next()

當(dāng)執(zhí)行 next()，程序會(huì)讀取象 dataIter 當(dāng)中的 _data_queue ，這個(gè)數(shù)據(jù)由兩個(gè)子進(jìn)程各自傳入。

data = self._data_queue.get(timeout=timeout)

 具體實(shí)現(xiàn)看這個(gè)類(lèi)：

C:\Users\13723\PycharmProjects\pythonProject\venv\Lib\site-packages\torch\utils\data\dataloader.py

class _MultiProcessingDataLoaderIter(_BaseDataLoaderIter):
    pass

• 4、結(jié)語(yǔ)

　　由一個(gè)小小的報(bào)錯(cuò)，能“查漏補(bǔ)缺”知識(shí)漏洞就挺好的，鍛煉思維也挺好的。共勉。