torch.multiprocessing 的源代码

# mypy: 允许未类型化定义
"""torch.multiprocessing 是对原生 :mod:`multiprocessing` 模块的封装。

它注册了自定义的 reducer，这些 reducer 使用共享内存来提供共享
同一数据在不同过程中的不同视角。一旦张量/存储被移动到
共享内存（见 :func:`~torch.Tensor.share_memory_`），就可以将其发送到其他进程而无需复制。
API 与原始模块 100%兼容 - 只需更改

该 API 与原始模块 100%兼容 - 只需更改
将 `import multiprocessing` 替换为 `import torch.multiprocessing` 以拥有所有功能
通过队列或通过其他机制发送的张量，移动到共享内存
中。

由于 API 的相似性，我们没有记录这个包的大部分内容
内容，并建议参考原始模块的优秀文档。
""
导入 多进程
导入 系统

导入 火炬

from .reductions 导入 init_reductions


全部 = ["设置共享策略", 获取分享策略, 获取所有共享策略]


from 多进程 导入 *  # noqa: F403


全部 += 多进程.全部  # noqa: PLE0605 类型：忽略[attr-defined]


此调用向此模块添加了一个针对 Linux 的 prctl(2)包装函数。
# 请参阅 https://github.com/pytorch/pytorch/pull/14391 获取更多信息。
火炬._C._multiprocessing_init()


添加辅助函数以启动 N 个进程并等待其中任何一个完成。这依赖于 `mp.get_context`，该功能是在 Python 3.4 中添加的。
这取决于 `mp.get_context`，该功能是在 Python 3.4 中添加的。
from .spawn 导入 (
    环境变量并行启动,
    进程上下文,
    进程退出异常,
    处理引发的异常,
    启动,
    启动上下文,
    启动进程,
)


如果 系统模块.平台 == "darwin" 或者 系统模块.平台 == win32:
    分享策略 = "文件系统"
    所有分享策略 = {文件系统}
否则:
    分享策略 = 文件描述符
    所有分享策略 = {"文件描述符", "文件系统"}


[文档]def set_sharing_strategy(new_strategy):
"设置共享 CPU 张量的策略。"

Args:
新策略（str 类型）：所选策略的名称。应该是 :func:`get_all_sharing_strategies()` 返回的值之一。
the values returned by :func:`get_all_sharing_strategies()`.
"""
全局_共享策略
断言新策略在_all_sharing_strategies 中
_sharing_strategy = new_strategy


[文档]def get_sharing_strategy():
返回当前共享 CPU 张量的策略。
返回 _sharing_strategy


[文档]def get_all_sharing_strategies():
返回当前系统支持的共享策略集合。
返回所有共享策略


定义 设置线程名称(姓名: str) -> 无:
    设置当前线程的名称。

参数：
name (str): 当前线程的名称。
    """
    火炬._C.设置线程名称(姓名)


定义 获取线程名称() -> str:
    获取当前线程的名称。

返回值：
str: 当前线程的名称。
    """
    返回 火炬._C.获取线程名称()


初始化缩减()