資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝學
法學如何將Torch張量在CPU和GPU之間移動？
在CPU上定義的Torch張量可以移動到GPU，反之亦然。對於高維張量計算，GPU利用平行計算的能力來減少計算時間。
諸如影像之類的多維張量計算密集型且耗時，如果在CPU上執行則需要很長時間。因此，我們需要將此類張量移動到GPU。
語法
要將Torch張量從CPU移動到GPU，可以使用以下語法：
Tensor.to("cuda:0")
or
Tensor.to(cuda)並且，
Tensor.cuda()
要將Torch張量從GPU移動到CPU，可以使用以下語法：
Tensor.to("cpu")並且，
Tensor.cpu()
讓我們來看幾個例子，演示如何將張量從CPU移動到GPU，反之亦然。
注意 - 我為每個程式提供了兩個不同的輸出。一個輸出適用於只有CPU的系統，另一個輸出適用於同時具有GPU和CPU的系統。
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)輸出1 - 當GPU不可用時
Tensor: tensor([1., 2., 3., 4.]) Tensor device: cpu CUDA GPU: False tensor([1., 2., 3., 4.]) Tensor device: cpu
輸出2 - 當GPU可用時
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)輸出1 - 如果GPU不可用
Tensor: tensor([1., 2., 3., 4.]) Tensor device: cpu tensor([1., 2., 3., 4.]) Tensor device: cpu
輸出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)輸出1 - 如果GPU不可用
Tensor: tensor([1., 2., 3., 4.]) Tensor device: cpu tensor([1., 2., 3., 4.]) Tensor device: cpu
輸出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
更新於：2023年11月6日
25K+ 次瀏覽
廣告