1. 把内存变成硬盘，把需要读的数据塞到里面去，加快了io。

Optimizing PyTorch training code

如何给你PyTorch里的Dataloader打鸡血

轻轻松松为你的Linux系统创建RAM Disk

把内存当硬盘，提速你的linux系统

Linux创建使用内存硬盘（RAM DISK）

2. 使用英伟达的 NVIDIA/DALI 模块

A library containing both highly optimized building blocks and an execution engine for data pre-processing in deep learning applications

Pytorch_example

博客: Introducing GPU Instances: Using Deep Learning to Obtain Frontal Rendering of Facial Images

DALI 文档 ： dali-pytorch

3. 使用英伟达的 NVIDIA/apex 模块

4. 将原始图像保存为pt或hdf5文件

hdf5： Saving and loading a large number of images (data) into a single HDF5 file  （图片转换成HDF5文件（加载，保存））

pt : https://discuss.pytorch.org/t/how-to-speed-up-the-data-loader/13740/3

5.  将原始数据保存为lmdb格式

博客：Efficiently processing large image datasets in Python

6.  Python简易实现并行操作

一行 Python 代码实现并行