fix multiprocessing bug of bmn dynamic graph model (#4226)

* fix bmn model implemented with dynamic graph mode

* fix eval.py and README to increase the model usability

dygraph/bmn/README.md

@@ -21,6 +21,8 @@ BMN模型是百度自研，2019年ActivityNet夺冠方案，为视频动作定
 BMN Overview
 </p>
 
+BMN模型的静态图实现请参考[PaddleVideo](../../PaddleCV/PaddleVideo)
+
 动态图文档请参考[Dygraph](https://www.paddlepaddle.org.cn/documentation/docs/zh/develop/user_guides/howto/dygraph/DyGraph.html)
 
 
@@ -81,7 +83,7 @@ BMN的训练数据采用ActivityNet1.3提供的数据集，我们提供了处理
 
     python eval.py --weights=$PATH_TO_WEIGHTS
 
-- 进行评估时，可修改脚本中的`weights`参数指定需要评估的权重，如果不设置，将使用默认参数文件checkpoint/bmn\_paddle\_dy\_final.pdparams。
+- 进行评估时，可修改命令行中的`weights`参数指定需要评估的权重，如果不设置，将使用默认参数文件checkpoint/bmn\_paddle\_dy\_final.pdparams。
 
 - 上述程序会将运行结果保存在output/EVAL/BMN\_results文件夹下，测试结果保存在evaluate\_results/bmn\_results\_validation.json文件中。
 
@@ -94,9 +96,9 @@ BMN的训练数据采用ActivityNet1.3提供的数据集，我们提供了处理
 
 - ActivityNet数据集的具体使用说明可以参考其[官方网站](http://activity-net.org)
 
-- 下载指标评估代码，请从[ActivityNet Gitub repository](https://github.com/activitynet/ActivityNet.git)下载，将Evaluation文件夹拷贝至models/dygraph/bmn目录下。(注：若使用python3，print函数需要添加括号，请对Evaluation目录下的.py文件做相应修改。)
+- 下载指标评估代码，请从[ActivityNet Gitub repository](https://github.com/activitynet/ActivityNet.git)下载，将Evaluation文件夹拷贝至models/dygraph/bmn目录下。(注：由于第三方评估代码不支持python3，此处建议使用python2进行评估；若使用python3，print函数需要添加括号，请对Evaluation目录下的.py文件做相应修改。)
 
-- 请下载[activity\_net\_1\_3\_new.json](https://paddlemodels.bj.bcebos.com/video_detection/activity_net_1_3_new.json)文件，并将其放置在models/dygraph/bmn目录下，相较于原始的activity\_net.v1-3.min.json文件，我们过滤了其中一些失效的视频条目。
+- 请下载[activity\_net\_1\_3\_new.json](https://paddlemodels.bj.bcebos.com/video_detection/activity_net_1_3_new.json)文件，并将其放置在models/dygraph/bmn/Evaluation/data目录下，相较于原始的activity\_net.v1-3.min.json文件，我们过滤了其中一些失效的视频条目。
 
 - 计算精度指标
 

dygraph/bmn/eval.py

@@ -44,10 +44,7 @@ def parse_args():
         default='bmn.yaml',
         help='path to config file of model')
     parser.add_argument(
-        '--batch_size',
-        type=int,
-        default=None,
-        help='training batch size. None to use config file setting.')
+        '--batch_size', type=int, default=1, help='eval batch size.')
     parser.add_argument(
         '--use_gpu',
         type=ast.literal_eval,
@@ -59,11 +56,6 @@ def parse_args():
         default="checkpoint/bmn_paddle_dy_final",
         help='weight path, None to automatically download weights provided by Paddle.'
     )
-    parser.add_argument(
-        '--save_dir',
-        type=str,
-        default="evaluate_results/",
-        help='output dir path, default to use ./evaluate_results/')
     parser.add_argument(
         '--log_interval',
         type=int,
@@ -135,7 +127,12 @@ def test_bmn(args):
         os.makedirs(test_config.TEST.output_path)
     if not os.path.isdir(test_config.TEST.result_path):
         os.makedirs(test_config.TEST.result_path)
-    place = fluid.CUDAPlace(0)
+
+    if not args.use_gpu:
+        place = fluid.CPUPlace()
+    else:
+        place = fluid.CUDAPlace(0)
+
     with fluid.dygraph.guard(place):
         bmn = BMN(test_config)
 
@@ -189,7 +186,10 @@ def test_bmn(args):
             aggr_pem_cls_loss += np.mean(pem_cls_loss.numpy())
             aggr_batch_size += 1
 
-            logger.info("Processing................ batch {}".format(batch_id))
+            if batch_id % args.log_interval == 0:
+                logger.info("Processing................ batch {}".format(
+                    batch_id))
+
             gen_props(
                 pred_bm,
                 pred_start,

dygraph/bmn/reader.py

@@ -47,6 +47,8 @@ class BMNReader():
             self.num_threads = 1  # set num_threads as 1 for test and infer
 
     def get_dataset_dict(self):
+        assert (os.path.exists(self.feat_path)), "Input feature path not exists"
+        assert (os.listdir(self.feat_path)), "Input feature file not exists"
         self.video_dict = {}
         if self.mode == "infer":
             annos = json.load(open(self.file_list))
@@ -265,7 +267,8 @@ class BMNReader():
                     tmp_list = video_list[i * file_num:]
                 reader_lists[i] = tmp_list
 
-            queue = multiprocessing.Queue(queue_size)
+            manager = multiprocessing.Manager()
+            queue = manager.Queue(queue_size)
             p_list = [None] * len(reader_lists)
             for i in range(len(reader_lists)):
                 reader_list = reader_lists[i]