跑模型——常用模块之torch.cuda

前言
PyTorch作为一款流行的深度学习框架，提供了许多用于GPU加速的函数和模块。其中，torch.cuda模块是PyTorch中最重要的GPU加速模块之一，它提供了许多用于管理GPU内存、数据转移等操作的函数。本文将介绍一些常用的torch.cuda函数，帮助读者更好地利用GPU加速训练深度学习模型。

常见的模型

torch.cuda.is_available()：检查是否有可用的GPU设备，有则返回True，没有则返回Fasle

torch.cuda.device_count()： 返回GPU设备数量

torch.cuda.set_device(device)：用于设置当前线程使用的GPU设备，

参数device是一个整数，表示要使用的GPU设备的索引。索引从0开始，最大值为系统中可用GPU设备的数量减1。

例如，如果系统中有3个GPU设备，则可以使用以下代码将当前线程设置为使用第2个GPU设备

torch.cuda.set_device(1)