这篇文章主要介绍了Pytorch如何指定device(cuda or cpu)问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教

Pytorch指定device(cuda or cpu)

torch.device()
在PyTorch中，你可以使用torch.device函数来设置设备（device）。

这个函数接受一个字符串作为参数，该字符串可以是 "cpu" 或 "cuda"，它指定了要在哪个设备上运行张量计算。

# 使用CPU  
device = torch.device("cpu") 
  
   
# 使用GPU（如果可用）  
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
 
device = torch.device("cuda:0")
 
device = torch.device("cuda:1")

os.environ['CUDA_VISIBLE_DEVICES']

全局指定只能识别的cuda编号

os.environ['CUDA_VISIBLE_DEVICES']
是一个在运行 Python 程序时可以设置可见的 CUDA 设备的环境变量。

这个环境变量可以控制哪些 GPU 设备对 Python 程序是可见的。

例如：

如果你想让你的程序只能看到编号为 0 的 GPU，你可以在运行程序前设置这个环境变量：

import os  
os.environ['CUDA_VISIBLE_DEVICES'] = '0'

或者你也可以设置多个 GPU，只需将它们的编号以逗号分隔：

import os
os.environ['CUDA_VISIBLE_DEVICES'] = '0,1'

如果你想让程序对所有 GPU 都可见，只需将环境变量设置为空字符串：

os.environ['CUDA_VISIBLE_DEVICES'] = ''

说说torch.device的作用
torch.device代表将torch.Tensor分配到的设备的对象。

torch.device包含一个设备类型（‘cpu’或‘cuda’）和可选的设备序号。

如果设备序号不存在，则为当前设备。

如：torch.Tensor用设备构建‘cuda’的结果等同于‘cuda：X’，其中X是torch.cuda.current_device()的结果。

#开始脚本，创建一个张量
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
...
#但是无论你获得一个新的Tensor或者Module
#如果他们已经在目标设备上则不会执行复制操作
input = data.to(device)
model = MyModule(...).to(device)

总结 以上为个人经验，希望能给大家一个参考，也希望大家多多支持

原文链接：https://blog.csdn.net/Ethan_Rich/article/details/134799695