代码调用GPU的步骤

要将代码调用GPU，需要进行以下步骤：

1. 导入torch库并检查是否有可用的GPU设备：

import torch

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

2. 将模型和数据移动到GPU设备上：

model = model.to(device)
train_x = train_x.to(device)
train_y = train_y.to(device)

3. 在每个迭代步骤中，将输入数据和模型参数发送到GPU，并在GPU上进行计算：

for i in range(200):
    out = model(train_x.to(device))
    loss = loss_function(out, train_y.to(device))
    loss.backward()
    optimizer.step()
    optimizer.zero_grad()
    train_loss.append(loss.item())

在测试阶段，也需要将数据移动到GPU上进行推理：

model = model.eval()
dataset_x = dataset_x.to(device)
pred_test = model(dataset_x)

请注意，这些代码片段只是一个示例，你需要将其与你的代码相结合并根据需要进行修改。确保在每个需要进行计算的地方将数据移动到GPU上，并在需要时将其移回CPU进行后续处理。

另外，确保在计算时避免频繁的数据移动操作，尽量在GPU上进行更多的计算操作，以充分利用GPU的并行计算能力。