数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装学
法学如何将Torch张量在CPU和GPU之间移动？
在CPU上定义的Torch张量可以移动到GPU，反之亦然。对于高维张量计算，GPU利用并行计算的能力来减少计算时间。
诸如图像之类的多维张量计算密集型且耗时，如果在CPU上运行则需要很长时间。因此，我们需要将此类张量移动到GPU。
语法
要将Torch张量从CPU移动到GPU，可以使用以下语法：
Tensor.to("cuda:0")
or
Tensor.to(cuda)并且，
Tensor.cuda()
要将Torch张量从GPU移动到CPU，可以使用以下语法：
Tensor.to("cpu")并且，
Tensor.cpu()
让我们来看几个例子，演示如何将张量从CPU移动到GPU，反之亦然。
注意 - 我为每个程序提供了两个不同的输出。一个输出适用于只有CPU的系统，另一个输出适用于同时具有GPU和CPU的系统。
示例1
# Python program to move a tensor from CPU to GPU
# import torch library
import torch
# create a tensor
x = torch.tensor([1.0,2.0,3.0,4.0])
print("Tensor:", x)
# check tensor device (cpu/cuda)
print("Tensor device:", x.device)
# Move tensor from CPU to GPU
# check CUDA GPU is available or not
print("CUDA GPU:", torch.cuda.is_available())
if torch.cuda.is_available():
x = x.to("cuda:0")
# or x=x.to("cuda")
print(x)
# now check the tensor device
print("Tensor device:", x.device)输出1 - 当GPU不可用时
Tensor: tensor([1., 2., 3., 4.]) Tensor device: cpu CUDA GPU: False tensor([1., 2., 3., 4.]) Tensor device: cpu
输出2 - 当GPU可用时
Tensor: tensor([1., 2., 3., 4.]) Tensor device: cpu CUDA GPU: True tensor([1., 2., 3., 4.], device='cuda:0') Tensor device: cuda:0
示例2
# Python program to move a tensor from CPU to GPU
# import torch library
import torch
# create a tensor on CPU
x = torch.tensor([1.0,2.0,3.0,4.0])
print("Tensor:", x)
print("Tensor device:", x.device)
# Move tensor from CPU to GPU
if torch.cuda.is_available():
x = x.cuda()
print(x)
# now check the tensor device
print("Tensor device:", x.device)输出1 - 如果GPU不可用
Tensor: tensor([1., 2., 3., 4.]) Tensor device: cpu tensor([1., 2., 3., 4.]) Tensor device: cpu
输出2 - 如果GPU可用
Tensor: tensor([1., 2., 3., 4.]) Tensor device: cpu tensor([1., 2., 3., 4.], device='cuda:0') Tensor device: cuda:0
示例3
# Python program to move a tensor from GPU to CPU
# import torch library
import torch
# create a tensor on GPU
if torch.cuda.is_available():
x = torch.tensor([1.0,2.0,3.0,4.0], device = "cuda")
print("Tensor:", x)
print("Tensor device:", x.device)
# Move tensor from GPU to CPU
x = x.to("cpu")
# x = x.cpu()
print(x)
# Now check the tensor device
print("Tensor device:", x.device)输出1 - 如果GPU不可用
Tensor: tensor([1., 2., 3., 4.]) Tensor device: cpu tensor([1., 2., 3., 4.]) Tensor device: cpu
输出2 - 如果GPU可用
Tensor: tensor([1., 2., 3., 4.], device='cuda:0') Tensor device: cuda:0 tensor([1., 2., 3., 4.]) Tensor device: cpu
更新于：2023年11月6日
25K+ 次浏览
广告