pytorch网络转移cuda的实现方法及步骤是什么-群英

上一篇：Django数据库迁移报错原因及解决方法是什么下一篇：model.cuda()方法加载时间长怎么，如何解决好

今天这篇给大家分享的知识是“pytorch网络转移cuda的实现方法及步骤是什么”,小编觉得挺不错的，对大家学习或是工作可能会有所帮助，对此分享发大家做个参考，希望这篇“pytorch网络转移cuda的实现方法及步骤是什么”文章能帮助大家解决问题。

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的函数，当你的pytorch是cpu版本的时候，他就会返回False。

self.device = torch.device('cuda' if self.GPU_IN_USE else 'cpu')

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！

转移模型：

self.model = Net(num_channels=1, upscale_factor=self.upscale_factor, base_channel=64, num_residuals=4).to(self.device)

设置cuda的随机种子：

torch.cuda.manual_seed(self.seed)

转移损失函数：

self.criterion.cuda()

转移数据：

data, target = data.to(self.device), target.to(self.device)

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

self.W1 = nn.Parameter(torch.FloatTensor(3,3), requires_grad=True).cuda()

应该去掉".cuda()"

self.W1 = nn.Parameter(torch.FloatTensor(3,3), requires_grad=True)

到此这篇关于“pytorch网络转移cuda的实现方法及步骤是什么”的文章就介绍到这了,更多相关内容请搜索群英网络以前的文章或继续浏览下面的相关文章，希望大家以后多多支持群英网络！

标签： pytorch网络转移cuda

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。

上一篇：Django数据库迁移报错原因及解决方法是什么下一篇：model.cuda()方法加载时间长怎么，如何解决好