神经网络一般用GPU来跑,我们的神经网络框架一般也都安装的GPU版本,本文就简单记录一下GPU使用的编写。 GPU的设置不在model,而是在Train的初始化上。 第一步是查看是否可以使用GPU self.GPU_IN_USE = torch.cuda.is_available() 就是返回这个可不可以用GPU
神经网络一般用GPU来跑,我们的神经网络框架一般也都安装的GPU版本,本文就简单记录一下GPU使用的编写。 GPU的设置不在model,而是在Train的初始化上。 第一步是查看是否可以使用GPU
就是返回这个可不可以用GPU的函数,当你的pytorch是cpu版本的时候,他就会返回False。 然后是:
torch.device是代表将torch.tensor分配到哪个设备的函数 接着是,我看到了一篇文章,原来就是将网络啊、数据啊、随机种子啊、损失函数啊、等等等等直接转移到CUDA上就好了! 于是下面就好理解多了:转移模型:
设置cuda的随机种子:
转移损失函数:
转移数据:
pytorch 网络定义参数的后面无法加.cuda()pytorch定义网络__init__()的时候,参数不能加“cuda()", 不然参数不包含在state_dict()中,比如下面这种写法是错误的
应该去掉".cuda()"
|
2019-06-18
2019-07-04
2021-05-23
2021-05-27
2021-05-27