可以使用.cuda()将数据转换到GPU中,用.cpu()再换到CPU中
x = torch.zeros(3,3,dtype=torch.double)y = torch.ones(3,3,dtype=torch.double)if torch.cuda.is_available():x = x.cuda()y = y.cuda()z = x+yprint(z)#将x放回CPU中x = x.cpu()
还可以使用.to()方法进行CPU和GPU的转换
x = torch.zeros(3,3,dtype=torch.double)y = torch.ones(3,3,dtype=torch.double)device = torch.device("cuda")print(device)x = x.to(device)y = y.to(device)z = x+y
另外，在Linux上实时刷新显卡使用情况用指令 watch -n 1 -d nvidia-smi
1直接终端中设定： CUDA_VISIBLE_DEVICES=1 python main.py 2 python代码中设定： import os
方法一 可以使用.cuda()将数据转换到GPU中,用.cpu()再换到CPU中 x = torch.zeros(3,3,dtype=torch.double)
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 本文链接：https://blog.csdn.net/Answer
PyTorch 关于多 GPUs 时的指定使用特定 GPU. PyTorch 中的 Tensor，Variable 和 nn.Module(如 loss，layer和容器 S
import torch import torch.nn as nn from torch.utils.data import Dataset, Dat
转载请注明作者和出处： [http://blog.csdn.net/john\_bh/][http_blog.csdn.net_john_bh] 文章目录
下面的代码参数没有调试，可能准确率不高，仅仅供参考代码格式。 import argparse import torch import torch.nn
最近在使用pytorch写程序，想在指定的GPU设备上执行。 假设函数func( )使用到了GPU设备： 则在func()函数内部或者调用func()的地方加上:
Pytorch中使用`torch.device()`选取并返回抽象出的设备，然后在定义的网络模块或者Tensor后面加上`.to(device变量)`就可以将它们搬到设备上了。
1 官方推荐： os.environ["CUDA_VISIBLE_DEVICES"] = "1" 2 官方不建议使用的 torch.cuda.set_de
ゝ一世哀愁。
今天药忘吃喽~
还没有评论，来说两句吧...