pytorch DataParallel 多GPU使用

最新推荐文章于 2025-06-05 09:01:41 发布

转载最新推荐文章于 2025-06-05 09:01:41 发布 · 660 阅读

Pytorch学习专栏收录该内容

46 篇文章

订阅专栏

本文详细介绍了如何在PyTorch中设置单GPU和多GPU环境，包括环境变量配置、模型并行化、优化器并行化及参数更新，同时提供了加载多GPU预训练模型的具体步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

单GPU：

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"

多GPU：

device_ids = [0,1,2,3]

model = model.cuda(device_ids[0])
model = nn.DataParallel(model, device_ids=device_ids)
optimizer = optim.SGD(model.parameters(), lr=learning_rate, momentum=0.9, weight_decay=0.001)
optimizer = nn.DataParallel(optimizer, device_ids=device_ids)
optimizer.module.step()
for param_lr in optimizer.module.param_groups:  # 同样是要加module
        #     param_lr['lr'] = param_lr['lr'] * 0.999

加载多GPU预训练模型

 model = ft_net()
    pretained_model = torch.load('./model/all/8_model.pkl')
    pretained_dict = pretained_model.module.state_dict()
    model = ft_net()

model.load_state_dict(pretained_dict)

作者：CS_lcylmh
来源：优快云
原文：https://blog.youkuaiyun.com/qq_19598705/article/details/80396325
版权声明：本文为博主原创文章，转载请附上博文链接！