multiprocess_reader

paddle.fluid.io.multiprocess_reader(readers, use_pipe=True, queue_size=1000)[源代码]

使用python多进程从 readers 中读取数据，然后使用 multiprocessing.Pipe 或 multiprocessing.Queue 合并所有数据。 readers 列表中的每个reader会被创建一个独立的进程来调用，reader之间应该相互独立，互不影响，避免出现多进程读取的冲突问题.

multiprocess.queue需要/dev/shm的rw访问权限，某些平台不支持。

参数

  • readers (list(generator)|tuple(generator)) - python生成器list, 用来读取数据

  • use_pipe (bool，可选) - use_pipe控制multiprocess_reader内部用 pipe 还是 queue 来实现进程间通信，默认为 True 使用 pipe 进行通信

  • queue_size (int，可选) - 如果使用queue来进行进程间通信 (use_pipe=False), 则该参数用来设定队列大小

返回

使用多进程封装readers之后的reader

返回类型

python生成器

代码示例

import paddle.fluid as fluid
from paddle.fluid.io import multiprocess_reader
import numpy as np


def fake_reader(start, end):
    def __impl__():
        for i in range(start, end):
            yield [np.array([1, 2, 3]) * i],
    return __impl__


with fluid.program_guard(fluid.Program(), fluid.Program()):
    place = fluid.CPUPlace()
    image = fluid.layers.data(
        name='image', dtype='int64', shape=[3])
    fluid.layers.Print(image)
    reader = fluid.io.PyReader(
        feed_list=[image], capacity=2)
    image_p_1 = image + 1
    decorated_reader = multiprocess_reader(
        [fake_reader(1, 5), fake_reader(6, 10)], False)

    reader.decorate_sample_generator(decorated_reader, batch_size=2, places=[place])

    exe = fluid.Executor(place)
    exe.run(fluid.default_startup_program())

    for data in reader():
        exe.run(feed=data, fetch_list=[image_p_1])