本篇文章给大家分享的是有关怎么在Pytorch中切换 cpu和gpu，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。
创新互联公司不只是一家网站建设的网络公司；我们对营销、技术、服务都有自己独特见解，公司采取“创意+综合+营销”一体化的方式为您提供更专业的服务！我们经历的每一步也许不一定是最完美的，但每一步都有值得深思的意义。我们珍视每一份信任，关注我们的成都做网站、成都网站制作、
成都外贸网站建设质量和服务品质，在得到用户满意的同时，也能得到同行业的专业认可，能够为行业创新发展助力。未来将继续专注于技术创新，服务升级，满足企业一站式
全网营销推广需求，让再小的
成都品牌网站建设也能产生价值！
方法1：x.to(device)
把 device 作为一个可变参数，推荐使用argparse进行加载：
使用gpu时：
device='cuda'
x.to(device) # x是一个tensor，传到cuda上去
使用cpu时：
device='cpu'
x.to(device)
方法2：使用x.cuda()+CUDA_VISIBLE_DEVICES
很多贴子中说，使用x.cuda() 和x.to('cuda') 虽然是等效的，但是x.cuda() 的缺点是无法动态切换cpu。然而，其实配合命令行参数CUDA_VISIBLE_DEVICES 是可以进行切换的。
在服务器上创建一个python脚本 t.py：
import torch
print(torch.cuda.device_count()) # 可用gpu数量
print(torch.cuda.is_available()) # 是否可用gpu
首先先看一下，正常运行的情况：
2
True
如果想要只使用某一块gpu，只需要在执行前加一个参数：
1
True
下面，如果我们想使用cpu呢？
0
False
因此，回归正题，当我们使用x.cuda()进行分配gpu时，只需要使用torch.cuda.is_available()加一个判断即可，当想使用cpu的时候在执行程序的命令行参数进行控制：
if torch.cuda.is_available():
x= x.cuda()
以上就是怎么在Pytorch中切换 cpu和gpu，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注创新互联行业资讯频道。
新闻标题：怎么在Pytorch中切换cpu和gpu-创新互联
当前网址：
http://cdkjz.cn/article/iphpp.html
