显式调用了cuda以后，pytorch的张量还是没有转移带GPU上的解决方法

在使用GPU加速计算的时候，有的时候将张量显式调用了以后会发现其实还是在cpu上计算

打个比方：

class A:
    def __init__(self):
        super(...)
        
        a = torch.randn((1,2,3)).cuda()

OR

class B:
    def __init(self):
        a = torch.randn((1,2,3))

b = B()
b.cuda()

 

在显式调用了cuda以后还是报错在CPU上面计算

问题就是变量类型上面了，这就是调用了cuda以后pytorch并没有将张量转移到GPU上面去进行计算，这个时候我们需要将Tensor转为nn.Parameter类型即可：

class A:
    def __init__():
        a = nn.Parameter(torch.randn((1,2,3)))

a = A()
a.cuda()

这样就会转移到GPU上面去计算了