Процесс блокирования слоя Pytorch Convolution Layer в Linux - PullRequest
Новая
       14

Процесс блокирования слоя Pytorch Convolution Layer в Linux

0 голосов
/ 10 октября 2018

Я пытаюсь реализовать алгоритм A3C в pytorch с некоторыми слоями свертки.Поэтому я запускаю несколько процессов в своей программе на Python, каждый из которых имеет локальную нейронную сеть.Сеть получает изображение, когда входной сигнал обрабатывается слоем свертки.Когда я запускаю эту программу на машине с Windows, у нее нет проблем и она работает нормально, но на машине с linux процесс каким-то образом блокируется, когда он пытается использовать сетевой метод forward.

Вот минимальный пример:

import numpy as np
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.multiprocessing as mp


state_shape = (3,10,10)
num_actions = 5

class Net(nn.Module):
    def __init__(self, in_shape, num_actions):
        super(Net, self).__init__()
        self.in_shape = in_shape
        self.num_actions = num_actions

        self.features = nn.Sequential(
            nn.Conv2d(in_shape[0], 16, kernel_size=3, stride=1),
            nn.ReLU(),
            nn.Conv2d(16, 16, kernel_size=3, stride=2),
            nn.ReLU(),
        )

        self.fc = nn.Sequential(
            nn.Linear(self.feature_size(), 256), # <-- problematic
            nn.ReLU(),
        )

    def forward(self, x):  
        x = self.features(x)   

    def feature_size(self):
        return self.features(torch.zeros(1, *self.in_shape)).view(1, -1).size(1)

class Worker(mp.Process):
    def __init__(self):
        super(Worker, self).__init__()       
        self.local_network = Net(state_shape, num_actions)           # local network

    def run(self):        
        s = np.zeros((3,10,10), dtype=np.float32)                           
        for i in range(10):
            print("{0}_before".format(i))                
            self.local_network.forward(torch.FloatTensor(s).unsqueeze(0))
            print("{0}_after".format(i))
            time.sleep(0.1)  

if __name__ == "__main__":              
    # parallel training
    workers = [Worker() for i in range(1)]
    [w.start() for w in workers]

    [w.join(timeout=10) for w in workers]

    [w.terminate() for w in workers]

Я использую: torch 0.4.1 и torchvision 0.2.1

Кажется, что процесс инициализации каким-то образом неисправен.При инициализации линейного слоя с надписью выход свертки должен быть сплющен, чтобы знать размер входного сигнала линейного слоя.Поэтому 

self.feature_size()

называется.Вычисление последовательности в процессе инициализации, кажется, вызывает проблему.К сожалению, я понятия не имею, почему.Кто-нибудь сталкивался с такой же проблемой?

...