我有一个包含 16 个进程的 PyTorch 脚本。以下是主进程的代码片段:
procs = [mp.Process(target=self.worker_wrapper, args=(i, )) for i in range(self.n_workers)]
for p in procs: p.start()
while True:
time.sleep(60)
for i, p in enumerate(procs):
self.logger.info('Check: id %d, exitcode %s, alive %s' % (
i, str(p.exitcode), str(p.is_alive())))
是worker_wrapper
这样的:
def worker_wrapper(self, id):
try:
self.worker(id)
except Exception as e:
self.logger.info(e)
self.logger.error(traceback.format_exc())
意志会做一些事情,worker
永远不应该停止。它在开始时运行良好,但通常在运行 1 天后,一些子进程(不是全部)意外退出,我得到如下输出:
[2017-06-15 08:45:21,540] Check: id 13, exitcode -9, alive False
它没有发现任何异常。我试图搜索 exitcode -9 但没有得到任何有用的东西。有没有人遇到过这个?或者您对如何调试有任何想法?很抱歉,我无法提供最小的可重现代码片段,因为重现通常需要一天时间。我正在使用python2.7