pytorch Torch device的基本用法

最新推荐文章于 2025-01-04 21:49:53 发布

逝去〃年华

最新推荐文章于 2025-01-04 21:49:53 发布

阅读量1.7k

点赞数

分类专栏： PyTorch的攀登年华文章标签： pytorch 深度学习人工智能

本文链接：https://blog.csdn.net/weixin_49710179/article/details/115895097

版权

PyTorch的攀登年华专栏收录该内容

15 篇文章

订阅专栏

本文介绍了PyTorch中设备管理的基础用法，包括默认设备、CPU与GPU的指定、GPU数量的检查、设备名称的获取以及GPU是否可用的判断。示例展示了如何创建Tensor并指定其在CPU或GPU上运行，以及如何获取系统中GPU的详细信息。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Torch device的基本用法

print("Default Device:{}".format(torch.Tensor([4,5,6]).device))

device = torch.Tensor([1,2,3],device="cpu:0").device
print(device)

cpu1 = torch.device("cpu:0")  # 标注指定为cpu
print(cpu1)

gpu = torch.device(0)   # 直接指定为gpu，不需要声明
print(gpu.type)

gpu = torch.device("cuda:0")  # 指定哪块gpu
print(gpu)

print("Torch GPU Count:{}".format(torch.cuda.device_count()))    # 获取可用GPU设备数量

print("Torch CPU Count:{}".format(torch.cuda.os.cpu_count()))    # 获取可用CPU设备数量

print(torch.cuda.get_device_name(torch.device("cuda:0")))     # 获得GPU设备名称

print(torch.cuda.is_available())      # GPU设备是否可用
-----------------------------------------------------------------------------
result:
Default Device:cpu
cpu
cpu:0
cuda
cuda:0
Torch GPU Count:1
Torch CPU Count:16
GeForce RTX 2060
True