在學習深度學習的時候，我們寫代碼經常會見到類似的代碼：

img = img.to(device=torch.device("cuda" if torch.cuda.is_available() else "cpu")) model = models.vgg16_bn(pretrained=True).to(device=torch.device("cuda" if torch.cuda.is_available() else "cpu"))

也可以先定義device：

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") model = model.to(device) img = img.to(device)

1. 那么段代碼到底有什么用呢？

????????這段代碼的意思就是將所有最開始讀取數據時的tensor變量copy一份到device所指定的GPU上去，之后的運算都在GPU上進行。

2. 你可能會問，為什么要在GPU上做運算呢？

? ? ? ??首先，在做高維特征運算的時候，采用GPU無疑是比用CPU效率更高，如果兩個數據中一個加了.cuda()或者.to(device)，而另外一個沒有加，就會造成類型不匹配而報錯。

? ? ? ? tensor和numpy都是矩陣，前者能在GPU上運行，后者只能在CPU運行，所以要注意數據類型的轉換。

3. .cuda()和.to(device)的效果一樣嗎？為什么后者更好？

? ? ? ? 兩個方法都可以達到同樣的效果，在pytorch中，即使是有GPU的機器，它也不會自動使用GPU，而是需要在程序中顯示指定。調用model.cuda()，可以將模型加載到GPU上去。這種方法不被提倡，而建議使用model.to(device)的方式，這樣可以顯示指定需要使用的計算資源，特別是有多個GPU的情況下。

4. 如果你有多個GPU，那么可以參考以下代碼：

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")model = Model()if torch.cuda.device_count() > 1:model = nn.DataParallel(model，device_ids=[0,1,2])model.to(device)

#本文為本人學習筆記，以上有部分內容轉載自網絡，若有侵權，請聯系刪除

總結

以上是生活随笔為你收集整理的Pytorch 学习笔记--to(device)的用法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。