当num_workers大于0时，PyTorch使用多个进程进行数据加载。
多字节笔记本在多处理方面存在已知问题。
解决这个问题的一种方法是不使用MyMyMyter Notebook-只需编写一个普通的.py文件并通过命令行运行它。
或者尝试使用这里建议的：Jupyter notebook never finishes processing using multiprocessing (Python 3)。

由于jupyter Notebook不支持python多处理，因此有两个瘦库，您应该安装其中一个，如本文所述1和2。
我更喜欢用两种方法来解决我的问题，而不使用任何外部库：
1.通过将我的文件从.ipynb格式转换为.py格式，并在终端中运行它，我在main（）函数中编写代码，如下所示：

...
...

train_set = IndexedDataset(train_data, train_target, test = False)

train_loader = DataLoader(train_set, batch_size=BATCH_SIZE, num_workers=4)

 if `__name__ ==  '__main__'`:
     for images,label in train_loader:
         print(images.shape)

字符串
1.使用多处理库如下：
在try.ipynb中：

import multiprocessing as mp
import processing as ps

...
...

train_set = IndexedDataset(train_data, train_target, test = False)
train_loader = DataLoader(train_set, batch_size=BATCH_SIZE)
    
if __name__=="__main__":
    p = mp.Pool(8)
    r = p.map(ps.getShape,train_loader) 
    print(r)
    p.close()

型
在processing.py文件中：

def getShape(data):
    for i in data:
        return i[0].shape

型

至少在我的例子中，将创建DataLoader的代码放在一个单独的Python文件中解决了这个问题。一个简单的Wrapper就足够了。
例如，在dataloader_wrapper.py中创建DataLoader：

class DataloaderWrapper:
    def __init__(self, dataset, batch_size, num_workers, shuffle):
        self.dataloader = DataLoader(dataset=dataset, batch_size=batch_size, shuffle=shuffle, num_workers=num_workers)

字符串
然后导入data loader_wrapper，通过Wrapper创建并调用data loader，如下所示：

from dataloader_wrapper import DataloaderWrapper
train_loader = DataloaderWrapper(dataset=dataset, batch_size=50000, shuffle=True, num_workers=7)

for data in train_loader.dataloader:
    pass

型
这是一个有点变通，但为我工作。