pytorch训练小记

把训练放在GPU上

.todevice(device)

把训练放在两块GPU上 包装为并行风格模型

# 训练
if torch.cuda.device_count() > 1:
    model = nn.DataParallel(model) 

# 加载
if isinstance(model, torch.nn.DataParallel):
	model = model.module

pytorch下载加速

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

import torch
# pytorch 检查GPU是否可用
print(torch.cuda.is_available())
# pytorch 检查GPU型号
print(torch.cuda.get_device_name(0))
#返回当前设备索引
print(torch.cuda.current_device())

pytorch GPU训练的模型 CPU加载

torch.load('tut1-model.pt', map_location='cpu')

报错：RuntimeError: view size is not compatible with input tensor’s size and stride (at least one dimension spans across two contiguous subspaces). Use .reshape(…) instead.

使用.view(-1)时报错 按照说明 是tensor不连续
自己检查：tensor.is_contiguous() 结果是 False
两种解决办法：

# 使用他提供的方法把view改成reshape
.reshape(-1)

# 改成连续的tensor
tensors.contiguous().view(-1)

linux下激活虚拟环境

source activate pytorch 激活环境