如何使用 pytorch 同时迭代两个数据加载器？

我正在尝试实现一个接收两张图像的暹罗网络。我加载这些图像并创建两个单独的数据加载器。

在我的循环中，我想同时遍历两个数据加载器，以便我可以在两个图像上训练网络。

for i, data in enumerate(zip(dataloaders1, dataloaders2)):

    # get the inputs
    inputs1 = data[0][0].cuda(async=True);
    labels1 = data[0][1].cuda(async=True);

    inputs2 = data[1][0].cuda(async=True);
    labels2 = data[1][1].cuda(async=True);

    labels1 = labels1.view(batchSize,1)
    labels2 = labels2.view(batchSize,1)

    # zero the parameter gradients
    optimizer.zero_grad()

    # forward + backward + optimize
    outputs1 = alexnet(inputs1)
    outputs2 = alexnet(inputs2)

数据加载器的返回值是一个元组。 但是，当我尝试使用zip要迭代它们，我收到以下错误：

OSError: [Errno 24] Too many open files
Exception NameError: "global name 'FileNotFoundError' is not defined" in <bound method _DataLoaderIter.__del__ of <torch.utils.data.dataloader._DataLoaderIter object at 0x7f2d3c00c190>> ignored                           

zip 不应该适用于所有可迭代的项目吗？但在这里我似乎无法在数据加载器上使用它。

还有其他方法可以实现这一目标吗？或者我是否错误地实现了暹罗网络？

除了已经提到的之外，cycle() and zip() 可能会造成内存泄漏问题- 特别是在使用图像数据集时！为了解决这个问题，不要像这样迭代：

dataloaders1 = DataLoader(DummyDataset(0, 100), batch_size=10, shuffle=True)
dataloaders2 = DataLoader(DummyDataset(0, 200), batch_size=10, shuffle=True)
num_epochs = 10

for epoch in range(num_epochs):

    for i, (data1, data2) in enumerate(zip(cycle(dataloaders1), dataloaders2)):
        
        do_cool_things()

你可以使用：

dataloaders1 = DataLoader(DummyDataset(0, 100), batch_size=10, shuffle=True)
dataloaders2 = DataLoader(DummyDataset(0, 200), batch_size=10, shuffle=True)
num_epochs = 10

for epoch in range(num_epochs):
    dataloader_iterator = iter(dataloaders1)
    
    for i, data1 in enumerate(dataloaders2)):

        try:
            data2 = next(dataloader_iterator)
        except StopIteration:
            dataloader_iterator = iter(dataloaders1)
            data2 = next(dataloader_iterator)

        do_cool_things()

请记住，如果您也使用标签，则应在此示例中替换data1 with (inputs1,targets1) and data2 with inputs2,targets2正如@Sajad Norouzi 所说。

对此表示敬意：https://github.com/pytorch/pytorch/issues/1917#issuecomment-433698337 https://github.com/pytorch/pytorch/issues/1917#issuecomment-433698337