
原帖在 Windows 启动 DataLoader worker 时失败，错误点名 __init__ 内定义的 lambda；Linux 上的成功不能证明它可被 spawn 序列化：

```text
AttributeError: Can't pickle local object 'NotMNISTDataLoader.__init__.<locals>.<lambda>'
```

## 函数可调用，不等于能被 spawn 子进程导入

原题在 Windows worker 启动阶段序列化局部 lambda 失败，尚未真正取图。Linux 默认启动方式可能掩盖这一点。应把变换函数写进可导入模块的顶层，而不是在 __init__ 中另定义一个同名局部函数。

worker 启动需要序列化数据集与变换。把 Lambda 包装里的匿名函数换成模块顶层的具名函数，并在可导入的 .py 文件中运行。

```python
import pickle
import torch

def repeat_to_rgb(tensor):
    if tensor.ndim != 3 or tensor.shape[0] != 1:
        raise ValueError("期望单张单通道 CHW 张量")
    return tensor.repeat(3, 1, 1)

print("josh050608")
print("callable:", repeat_to_rgb.__module__, repeat_to_rgb.__qualname__)
print("pickle bytes:", len(pickle.dumps(repeat_to_rgb)))
```

在原变换序列中，用 `transforms.Lambda(repeat_to_rgb)` 代替局部 lambda，位置在 ToTensor 之后，因为该函数接收张量。函数不能再嵌套定义在 __init__ 或另一个函数里。

如果源图片是 PIL，也可在 ToTensor 前使用 `transforms.Grayscale(num_output_channels=3)`，避免这个自定义函数；是否需要保留颜色信息要按数据任务决定。

在 Windows 脚本中，把 DataLoader 创建和训练入口放到 `if __name__ == '__main__':` 内，Dataset 和变换函数定义留在模块顶层。Notebook 的临时函数不一定能被子进程按模块名导入。

先用 num_workers=0 验证变换类型与输出 `[3,H,W]`，再使用 1 个 worker 测试，最后恢复需要的并行数。单进程成功只是绕过序列化，不能证明多进程问题已解决。

## 用一个独立脚本验证序列化与 batch

下面保存为 `worker_probe.py`，从终端执行。它使用合成灰度 Tensor 和一个 worker，不依赖 torchvision；类与函数都在模块顶层：

```python
import torch
from torch.utils.data import Dataset, DataLoader
def to_three_channels(image):
    if image.shape[0] != 1:
        raise ValueError("此示例要求单通道输入")
    return image.repeat(3, 1, 1)
class GrayDataset(Dataset):
    def __len__(self):
        return 2
    def __getitem__(self, index):
        return to_three_channels(torch.full((1, 4, 5), float(index))), index

if __name__ == "__main__":
    loader = DataLoader(GrayDataset(), batch_size=2, num_workers=1,
                        multiprocessing_context="spawn")
    images, labels = next(iter(loader))
    assert images.shape == (2, 3, 4, 5)
    assert labels.tolist() == [0, 1]
    print("spawn batch:", images.shape)
```

原代码使用 transforms.Lambda 时，传入前文的顶层 repeat_to_rgb，放在 ToTensor 之后；若选择 PIL 阶段的现成灰度转三通道变换，则按该版本接口组合，不来回混用。

直接 pickle.dumps 成功只验证当前进程能生成引用，不完全证明新子进程能导入它。独立脚本中的 spawn 测试更接近故障条件；Windows、Notebook 与 Linux 默认启动方式仍应分别说明验证范围。

先 num_workers=0 验证样本内容，再显式 spawn 验证一个 worker，最后恢复所需并行数。单进程绕过序列化后能训练，不能宣称局部 lambda 的可导入性已经修复。

参考：[原始求助帖](https://discuss.pytorch.org/t/cant-pickle-local-object-dataloader-init-locals-lambda/31857)；技术依据：[Python multiprocessing](https://docs.python.org/3/library/multiprocessing.html)、[PyTorch 数据加载（2.5）](https://docs.pytorch.org/docs/2.5/data.html)、[torchvision 0.8 变换文档](https://docs.pytorch.org/vision/0.8/transforms.html)。


原帖在 Windows 启动 DataLoader worker 时失败，错误点名 init 内定义的 lambda；Linux 上的成功不能证明它可被 spawn 序列化：

Can't pickle local object ...<lambda>：Windows worker 的变换函数放到模块顶层

编程语言

人工智能

开发工具

Windows下DataLoader worker启动失败源于局部lambda无法被spawn序列化，Linux默认fork掩盖此问题。需将变换函数移至模块顶层定义，避免在__init__内嵌套lambda。使用transforms.Grayscale(num_output_channels=3)替代自定义函数，或在ToTensor后调用顶层具名函数。验证时先用num_workers=0检查输出，再显式spawn测试单worker，最后恢复并行数。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

Windows下DataLoader worker启动失败源于局部lambda无法被spawn序列化，Linux默认fork掩盖此问题。需将变换函数移至模块顶层定义，避免在__init__内嵌套lambda。使用transforms.Grayscale(num_output_channels=3)替代自定义函数，或在T...

Can't pickle local object ...<lambda>：Windows worker 的变换函数放到模块顶层-腾讯云开发者社区-腾讯云

Can't pickle local object ...<lambda>：Windows worker 的变换函数放到模块顶层

Can't pickle local object ...<lambda>：Windows worker 的变换函数放到模块顶层

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐