PyTorch device与cuda.device怎么用

这篇文章主要讲解了"PyTorch device与cuda.device怎么用"，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习"PyTorch device与cuda.device怎么用"吧！

1 查看当前的device 输入情况：

import torchprint("Default Device : {}".format(torch.Tensor([4, 5, 6]).device))

输出情况：

Default Device : cpu

2 cpu设备可以使用"cpu:0"来指定

输入情况

device = torch.Tensor([1, 2, 3], device="cpu:0").deviceprint("Device Type: {}".format(device))

输出情况

Device Type: cpu

3 gpu设备可以使用"cuda:0"来指定

输入情况

gpu = torch.device("cuda:0")print("GPU Device:【{}：{}】".format(gpu.type, gpu.index))

输出情况

GPU Device:【cuda：0】

4 查询CPU和GPU设备数量

输入情况

print("Total GPU Count :{}".format(torch.cuda.device_count()))print("Total CPU Count :{}".format(torch.cuda.os.cpu_count()))

输出情况

Total GPU Count :1
Total CPU Count :8

5 从CPU设备上转换到GPU设备

5.1 torch.Tensor方法默认使用CPU设备

输入情况

data = torch.Tensor([[1, 4, 7], [3, 6, 9], [2, 5, 8]])print(data.shape)

输出情况

torch.Size([3, 3])

5.2 使用to方法将cpu的Tensor转换到GPU设备上

输入情况：

data_gpu = data.to(torch.device("cuda:0"))print(data_gpu.device)

输出情况：

cuda:0

5.3 使用.cuda方法将cpu的Tensor转换到GPU设备上

输入情况：

data_gpu2 = data.cuda(torch.device("cuda:0"))# 如果只有一块gpu的话  直接写成这样：data_gpu2 = data.cuda()print(data_gpu2.device)

输出情况：

cuda:0

感谢各位的阅读，以上就是"PyTorch device与cuda.device怎么用"的内容了，经过本文的学习后，相信大家对PyTorch device与cuda.device怎么用这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是，小编将为大家推送更多相关知识点的文章，欢迎关注！