如何默认在 GPU 上 运行 PyTorch？
How to run PyTorch on GPU by default?
我想 运行 使用 cuda 的 PyTorch。我为所有张量设置 model.cuda() 和 torch.cuda.LongTensor()。
如果我使用了 model.cuda()，是否必须明确地使用 .cuda 创建张量？
有没有办法默认在 GPU 上进行所有计算 运行？
我认为您不能指定默认使用 cuda 张量。
但是，您应该查看 pytorch 官方示例。
在 imagenet training/testing 脚本中，他们在名为 DataParallel 的模型上使用了一个包装器。
这个包装器有两个优点：
- 它处理多个 GPU 上的数据并行
- 它处理 cpu 张量到 cuda 张量的转换
如您在 L164 中所见，您不必手动将 inputs/targets 转换为 cuda。
请注意，如果您有多个 GPU 并且想要使用一个，请启动任何带有 CUDA_VISIBLE_DEVICES 前缀的 python/pytorch 脚本。例如CUDA_VISIBLE_DEVICES=0 python main.py.
是的。你可以 set the default tensor type 到 cuda:
torch.set_default_tensor_type('torch.cuda.FloatTensor')
Do I have to create tensors using .cuda explicitly if I have used model.cuda()?
是的，您不仅需要将模型 [参数] 张量设置为 cuda，还需要将数据特征和目标（以及模型使用的任何其他张量）的张量设置为 cuda。
我想 运行 使用 cuda 的 PyTorch。我为所有张量设置 model.cuda() 和 torch.cuda.LongTensor()。
如果我使用了 model.cuda()，是否必须明确地使用 .cuda 创建张量？
有没有办法默认在 GPU 上进行所有计算 运行？
我认为您不能指定默认使用 cuda 张量。 但是，您应该查看 pytorch 官方示例。
在 imagenet training/testing 脚本中，他们在名为 DataParallel 的模型上使用了一个包装器。 这个包装器有两个优点：
- 它处理多个 GPU 上的数据并行
- 它处理 cpu 张量到 cuda 张量的转换
如您在 L164 中所见，您不必手动将 inputs/targets 转换为 cuda。
请注意，如果您有多个 GPU 并且想要使用一个，请启动任何带有 CUDA_VISIBLE_DEVICES 前缀的 python/pytorch 脚本。例如CUDA_VISIBLE_DEVICES=0 python main.py.
是的。你可以 set the default tensor type 到 cuda:
torch.set_default_tensor_type('torch.cuda.FloatTensor')
Do I have to create tensors using .cuda explicitly if I have used model.cuda()?
是的，您不仅需要将模型 [参数] 张量设置为 cuda，还需要将数据特征和目标（以及模型使用的任何其他张量）的张量设置为 cuda。