pyotrch学习笔记——模型与数据放到GPU上

本文介绍了如何将模型和数据迁移到GPU进行加速,以及使用`device`属性检查数据和模型是否在GPU上的方法。通过`cuda()`函数实现模型和数据的GPU转换,展示了在深度学习中管理硬件资源的关键步骤。
部署运行你感兴趣的模型镜像

1. 将模型或数据放在GPU上

数据:

data = data.cuda()

模型:

model.cuda()

可以看出数据是返回值,模型是自身转换。

2. device查看

查看数据是否在GPU上:

tensor.device

查看模型是否在GPU上:

next(model.parameters()).device

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值