Notebook在Colab抛KeyError，VSCode中陷入无限循环的问题求助

我之前调试PyTorch DataLoader时遇到过完全一致的情况，分享下实际排查思路和解决办法：

核心原因推测 #

这种现象大概率和多进程数据加载的异常传递问题有关：当num_workers>0时，DataLoader会启动子进程加载数据，如果子进程中抛出的KeyError没有被正确捕获并传递到主进程，主进程会一直等待子进程返回数据，表现为无限循环；而且Notebook的单元格中断无法终止后台子进程，只能重启内核。

具体解决步骤 #

• 先切换到单进程调试：把DataLoader的num_workers改成0，数据加载会在主进程运行，异常会直接抛出，能看到具体的KeyError信息，定位到哪个key缺失、出现在代码的哪一行。

  dataloader_train = torch.utils.data.DataLoader(dataset_train, batch_size=32, shuffle=True, num_workers=0, collate_fn=caption_collate_fn)
  

• 检查数据集类的__getitem__方法：确认有没有因找不到key而触发死循环的逻辑（比如写了while循环尝试获取key但未设置退出条件）。
• 排查自定义collate_fn：caption_collate_fn里有没有处理batch时的循环逻辑？比如补全缺失数据时无限重试？
• 换运行环境验证：把代码复制到普通.py文件中运行，Notebook的多进程管理逻辑有时会屏蔽异常，普通脚本能正常抛出错误。
• 添加日志定位问题样本：在COCO_Features的__getitem__方法里，每处理一个样本就打印当前索引和要访问的key，能看到程序是不是在反复处理某个样本，或是卡在了特定索引上。

内容的提问来源于stack exchange，提问作者Karan Nautiyal