在完成FCOS目标检测项目中，我发现在训练过程中GPU利用率非常低，反倒是CPU利用率高。 而训练过程中所有的数据的确是在VRAM上的。通过排查发现，只有第一个batch的获取消耗 了大量的时间，于是推断是CPython解释器的GIL(Global Interpreter Lock)和Windows创建 子进程的方式(spawn)导致的数据Class的__init__方法中重复IO和pickle json导致的性能 瓶颈。

解决方案：

1. 关闭Windows自动开启的Core Parking，强制开启所有CPU核心。
2. 设置perprocess=True，这样即使在Windows下使用spawn的方式创建子进程，也能够保证 每个子进程都是持久化的，在一个epoch结束后不会重复IO和pickle json。

这里记录一下GIL的相关知识。