本文探讨了在创建多层神经网络时如何使用列表推导式来初始化层，以及如何遇到数据不在同一设备的问题。通过示例展示了如何使用`MyCon(self.shape).cuda()`确保卷积层实例位于GPU设备上，从而解决设备不一致的问题。理解正确的CUDA和PyTorch设备管理对于深度学习模型的高效执行至关重要。
语句
[MC(self.shape) for _ in range(self.layer)]
或：
[MC(self.shape).cuda() for _ in range(self.layer)]
解释：
如创建卷积层的语句：
[MyCon(self.shape) for _ in range(self.layer)]
如果在一个对象中需要创建多个卷积层，可以在自己定义的类（如MyClass）的初始化中使用:
self.myconv = [MyCon(self.shape) for _ in range(self.layer)]
但是有时会导致数据不在同一设备问题问题
MyClass.cuda()
语句并不会将创建的一系列MyCon类放入到GPU设备中。可以使用以下语句：
[MyCon(self.shape).cuda() for _ in range(self.layer)]
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
