使用early stopping训练GCN网络，提高模型的测试准确率。
问题描述：

在使用 torch.save() 时出现了下面的错误：
_pickle.PicklingError: Can’t pickle typing.Union[torch.Tensor, NoneType]: it’s not the same object as typing.Union
torch.save(model, "GCN_NET3.pth")
解决方案：
 
不直接保存模型，而是选择保存模型的参数，在要使用该模型时直接加载保存的参数即可 
# 保存模型
torch.save(model.state_dict(), "GCN_NET3.pth")
# 加载模型
model.load_state_dict(torch.load("GCN_NET3.pth"))  # model在之前已经实例化了
                    Can‘t pickle typing.Union[torch.Tensor, NoneType]: it‘s not the same object as typing.Union
                    在使用torch.save()时出现了下面的错误：_pickle.PicklingError: Can't pickle typing.Union[torch.Tensor, NoneType]: it's not the same object as typing.Union
在一个使用 fastapi 框架的 web 项目调试过程中，遇到了一个有关多进程参数序列化的问题。session对象作为参数传子进程时时报”_pickle.PicklingError: Can’t pickle : it’s not the same object as sqlalchemy.orm.session.Session”，网上基本查不到直接的解决方式，我查了很多资料，终于得以解决。
非常感谢这篇介绍 mod_wsgi 的文档帮助我解决了问题，这里我给出文档链接。
文档主要讲的
				PyTorch中torch.Tensor是主要的Tensor类，而torch.tenso则是返回一个Tensor的函数。
通常情况下，torch.tensor(data, dtype=torch.float64, device=None, requires_grad=False) 和Tensor等价，其中torch.Tensor又可以写作torch.FloatTensor。
此外Tensor能够返回空的tensor，但是torch.tensor不行，如下：
tensor_without_data = tor
				最近在用pytorch做SAE，想要利用网格搜索的方法找到最优解，使用torch.save()保存模型时总是报出：PicklingError: Can't pickle <class 'SAE.AutoEncoder'>: it's not the same object as SAE.AutoEncoder 的错误，查了半天发现可能是我利用for循环运行程序时，多次保存model.pkl文件造成的。查了半天资料终于找到了解决办法，把它记录下来以供大家参考。解决方案如下：
①首先安装dill模
				今天在使用pytorch保存模型时，突然出现
Can’t pickle typing.Union[torch.Tensor, NoneType]: it’s not the same object
的错误，找了好多文章也没找到解决办法，后来把保存代码由
save(model,path)换成save(model.state_dict(), path)终于不报错了
				1 出现该异常的原因是pickle模块不能序列化lambda function.查看下面的链接可知pickle模块可序列那些类型
   https://docs.python.org/3/library/pickle.html#what-can-be-pickled-and-unpickled
2 解决方案
  https://github.com/uqfoundation/dill  
				解决方法参考：https://stackoverflow.com/questions/10045363/pickling-cv2-keypoint-causes-picklingerror
在使用SIFT将提取到的特征保存到pkl文件时，会出现如下错误：
_pickle.PicklingError: Can't pickle <class 'cv2.KeyPoint'>: it's...
				成功解决ForkingPickler(file, protocol).dump(obj) TypeError: can't pickle Environment objects
以及self = reduction.pickle.load(from_parent) EOFError: Ran out of input
本人是在调试lsun数据集&&神经网络代码时出现，问题显示如下：
因为windows操作系统的原因，在Windows中，多进程multiprocessing使用的是序
Traceback (most recent call last):
  File "", line 1, in 
  File "D:\opt\Python27\lib\multiprocessing\forking.py", line 373, in main
    prepa...
				pickle.PicklingError: Can’t pickle <function  at 0x0000016ACED65160>: attribute lookup  on main failed
multiprocessing模块不但支持多进程，
其中managers子模块还支持把多进程分布到多台机器上。
task_master.py
出现一下报错：
pickle.PicklingError: Can’t pickle <function  at 0x0000016ACED651
				当您尝试将使用 Flask 框架编写的 Python 应用程序序列化（即将其转换为 pickle 格式）时，可能会遇到 Flask Attribute Error：“无法 pickel 本地对象'run.<locals>. server_forever'”。这是因为 Flask 的本地对象无法被序列化。
更具体地说，这个错误是在使用 Flask 内置发行程序时出现的。发行程序使用 multiprocessing 库将应用程序作为独立进程运行，但 multiprocessing 库依赖于 pickle 库来序列化和传递进程之间的数据。由于 Flask 中的本地对象无法被 pickle 序列化，因此会引发 Attribute Error。
解决此错误的方法是使用不同的服务器，例如 Gunicorn 或 uWSGI。这些服务器不依赖于 multiprocessing 库或 pickle 序列化，并且可以与 Flask 应用程序兼容。
总之，当您遇到 Flask Attribute Error：“无法 pickel 本地对象'run.<locals>. server_forever'”时，您可以使用不同的服务器来解决此问题。这么做将避免对 Flask 的本地对象进行序列化，并使您能够顺利地运行您的 Python 应用程序。
				Can‘t pickle typing.Union[torch.Tensor, NoneType]: it‘s not the same object as typing.Union