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。这里是编程网,小编将为大家推送更多相关知识点的文章,欢迎关注!