PyTorch利用GPU加速

本文详细介绍了如何配置CUDA版PyTorch并利用GPU进行计算。内容包括安装CUDA版PyTorch,检查GPU可用性,以及在模型和数据操作中正确使用GPU。特别强调了在GPU计算中需要注意的事项,如只将模型和测试数据放入GPU,并在转换为numpy数组时避免TypeError。此外,还提供了处理CUDA tensor到numpy转换错误的方法。
摘要由CSDN通过智能技术生成

1.配置cuda版pytorch

登录PyTorch官网(https://PyTorch.org/),登录后选择对应项
在这里插入图片描述
然后将在这里插入图片描述
复制到命令行,进行安装。
安装之后启动python,执行如下命令,如果没有报错,说明安装成功。
在这里插入图片描述

2.pytorch使用GPU计算

查看GPU加速是否可用:

import torch
from torch import nn

print(torch.duda.is_available()) # true 查看GPU是否可用

print(torch.cuda.device_count()) #GPU数量, 1

torch.cuda.current_device() #当前GPU的索引, 0

torch.cuda.get_device_name(0) #输出GPU名称

Tensor的GPU计算:

x = torch.tensor([1, 2, 3])
x = x.cuda(0)

使用.cud

评论 1
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