其他分享
首页 > 其他分享> > pytorch persistent_workers

pytorch persistent_workers

作者:互联网

 

DataLoader中的persistent_workers参数

torch.utils.data.DataLoader(dataset, batch_size=1, shuffle=False, sampler=None, batch_sampler=None, num_workers=0, collate_fn=None, pin_memory=False, 
drop_last=False, timeout=0, worker_init_fn=None, multiprocessing_context=None, generator=None, *, prefetch_factor=2, 
persistent_workers=False)

 

如果为True,数据加载器将不会在数据集运行完一个Epoch后关闭worker进程。这允许维护worker数据集实例保持激活。(默认值:False)

 

意思是运行完一个Epoch后并不会关闭worker进程,而是保持现有的worker进程继续进行下一个Epoch的数据加载。

好处是Epoch之间不必重复关闭启动worker进程,加快训练速度。

这样对训练精度是否有影响?True和False的结果似乎会略有差异。

 

标签:None,False,Epoch,workers,worker,persistent,pytorch
来源: https://www.cnblogs.com/jiangkejie/p/14965003.html