【Mac-ML-DL】深度学习使用MPS出现内存泄露（leaked semaphore）以及张量转换错误

MPS加速修改总结

先说设备：MacBook Pro M4 24GB
事情的起因是我在进行深度学习的时候想尝试用苹果自带的MPS进行训练加速，修改设备后准备开始训练，但是出现如下报错：

UserWarning: resource_tracker: There appear to be 1 leaked semaphore objects to clean up at shutdownwarnings.warn('resource_tracker: There appear to be %d '

我尝试在stackoverflow上面寻找答案，但是只有人提问，没有人回答，于是我进入PyTorch的社区进行查找，终于有人也提了这个问题。
修改后没有出现内存泄露的问题，但是有新的问题：

TypeError: Cannot convert a MPS Tensor to float64 dtype as the MPS framework doesn't support float64. Please use float32 instead.

幸好有人直接给出了GitHub的issue链接，根据官方的建议修改后成功运行了，接下来分享我的修改全流程，帮助大家避坑。

1. 设备检测与切换

• 在train.py中添加了对MPS设备的检测和使用：

  if torch.backends.mps.is_available() and torch.backends.mps.is_built():device = torch.device("mps")
  

• 添加命令行参数支持直接指定设备类型：--device mps

2. 数据类型修复

• 创建DoubleToFloatTransform转换器确保所有张量为float32类型，因为MPS不支持float64

• 在数据转换pipeline中添加此转换器：

  transforms.Compose([# 其他转换...transforms.ToTensor(),transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]),DoubleToFloatTransform()  # 确保张量为float32类型
  ])
  

• 将代码中所有.double()替换为.float()，避免精度转换错误

3. 内存管理优化

• 使用multiprocessing.set_start_method('spawn')解决MPS设备上的bus error问题

• 定期调用torch.mps.empty_cache()释放MPS设备上的缓存

• 减少DataLoader的worker数量，避免内存压力：

  if device.type == 'mps' and args.num_workers > 2:args.num_workers = 2
  

4. 模型初始化修复

• 修复ResNet和EfficientNet模型中的权重类型问题，使用正确的权重枚举类型：

  weights_enum = {'resnet18': models.ResNet18_Weights.DEFAULT,# 其他模型...
  }
  

5. 工作进程优化

• 创建专用的worker_init函数处理MPS设备上的数据加载

• 在工作进程中强制使用float32数据类型：

  torch.set_default_dtype(torch.float32)
  

6. 性能测量适配

• 修改measure_inference_time函数，为MPS设备添加专门的同步和计时方法：

  if device.type == 'mps':torch.mps.synchronize()
  

总结

如果这个教程对你有帮助不妨点赞、收藏、关注，你的支持就是我更新的最大动力，后续我还会更新更多有用的内容！

如果还有问题可以私信我，信得过我的话，免费帮你看看代码，但是本人实力有限，不一定能解决，但是尽量帮助，大家一起进步！