torch tensor（torch.cuda常用指令）

CUDA（Compute Unified Device Architecture）  
  
  
  
  
  
，是显卡厂商NVIDIA推出的运算平台            。 CUDA™是一种由NVIDIA推出的通用并行计算架构 
  
  
  
  
  
 ，该架构使GPU能够解决复杂的计算问题 
 
  
 
  
 
  
 
  
 
  
 
 。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎











。 开发人员可以使用C语言来为CUDA™架构编写程序


 


 


 


 


 


 ，所编写出的程序可以在支持CUDA™的处理器上以超高性能运行
  
  
  
  
  
  。

Pytorch通过cuda指令允许让模型  
  
  
  
  
  
、数据加载到GPU上 
 
 
 
 
 
，常用指令如下：

1. torch.cuda.is_available()

cuda是否可用  

import torch print(torch.cuda.is_available())

2. torch.cuda.device_count()

查看GPU数量

import torch print(torch.cuda.device_count())

3. torch.cuda.get_device_name()

查看DEVICE（GPU）名

import torch print(torch.cuda.get_device_name())

4. torch.cuda.current_device()

检查目前使用GPU的序号

import torch print(torch.cuda.current_device())

5. torch.cuda.set_device()

指定使用的卡

torch.cuda.set_device(gpu_id) #单卡 torch.cuda.set_device(cuda:+str(gpu_ids)) #多卡

只指定主显卡  
   
   
   
   
   
 ，如下：

import torch torch.cuda.set_device(1) x = torch.tensor([[1,2,3],[4,5,6]]).cuda() print(x.device)

指定特定显卡

 

 

 

 

 

 ，如下：

import torch import os os.environ[CUDA_VISIBLE_DEVICES] = 0,1,2 torch.cuda.set_device(1) x = torch.tensor([[1,2,3],[4,5,6]]).cuda() print(x.device)

使用torch.cuda.set_device()可以更方便地将模型和数据加载到对应GPU上, 在定义模型之前加入一行代码即可
 

 

 

 

 

 
，但是这种写法的优先级低            ，如果model.cuda()中指定了参数
 

 
 

 
 

 
 

 
 

 
 

 ，那么torch.cuda.set_device()会失效











，而且pytorch的官方文档中明确说明                  ，不建议用户使用该方法 
  
  
  
  
  
 。

6.  .cuda()

指定模型和数据加载到对应的GPU,以net.cuda()为例
 
 
 
 
 
 
 
 
 
 
 
 ，加载方法为：

net.cuda(gpu_id) # 输入参数为int类型

















，只能指定一张显卡 net.cuda(cuda:+str(gpu_ids)) #输入参数为str类型            ，可指定多张显卡

只指定主显卡
 
  
 
  
 
  
 
  
 
  
 
  ，如下：

import torch import os x = torch.tensor([[1,2,3],[4,5,6]]).cuda() print(x.device)

指定特定显卡











，如下：

import torch import os os.environ[CUDA_VISIBLE_DEVICES] = 0,1,2 x = torch.tensor([[1,2,3],[4,5,6]]).cuda(cuda:1) print(x.device)