1. pytorch查看设备信息
# 查看gpu设备是否可用
torch.cuda.is_available()
# 返回gpu数量;
torch.cuda.device_count()
# 返回gpu名字,设备索引默认从0开始;
torch.cuda.get_device_name(0)
# 返回当前设备索引;
torch.cuda.current_device()
2. 设置device
一般我们设置第一个gpu(主要是因为我只有一块gpu。。。)
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
然后我们就可以使用to方法快捷的将数据放在gpu中计算:
model = CNN().to(device) # model放入gpu
criteon = nn.CrossEntropyLoss().to(device) # 损失函数
data, target = data.to(device), target.cuda() # 训练的数据
这里建议使用 to(device),而不是 cuda(),毕竟 device 全局设置可以方便管理,且对于没有gpu的设备,device可以设置为cpu。