pytorch中Tensor.to(device)和model.to(device)的區(qū)別是什么

這篇文章主要介紹了pytorch中Tensor.to(device)和model.to(device)的區(qū)別是什么的相關(guān)知識(shí)，內(nèi)容詳細(xì)易懂，操作簡(jiǎn)單快捷，具有一定借鑒價(jià)值，相信大家閱讀完這篇pytorch中Tensor.to(device)和model.to(device)的區(qū)別是什么文章都會(huì)有所收獲，下面我們一起來(lái)看看吧。

Tensor.to(device)和model.to(device)的區(qū)別

區(qū)別所在

使用GPU訓(xùn)練的時(shí)候，需要將Module對(duì)象和Tensor類型的數(shù)據(jù)送入到device。通常會(huì)使用 to.(device)。但是需要注意的是：

• 對(duì)于Tensor類型的數(shù)據(jù)，使用to.(device) 之后，需要接收返回值，返回值才是正確設(shè)置了device的Tensor。

• 對(duì)于Module對(duì)象，只用調(diào)用to.(device) 就可以將模型設(shè)置為指定的device。不必接收返回值。

來(lái)自pytorch官方文檔的說(shuō)明：

Tensor.to(device)

Module.to(device)

舉例

# Module對(duì)象設(shè)置device的寫法
model.to(device)

# Tensor類型的數(shù)據(jù)設(shè)置 device 的寫法。
samples = samples.to(device)

pytorch學(xué)習(xí)筆記--to(device)用法

在學(xué)習(xí)深度學(xué)習(xí)的時(shí)候，我們寫代碼經(jīng)常會(huì)見到類似的代碼：

img = img.to(device=torch.device("cuda" if torch.cuda.is_available() else "cpu"))
model = models.vgg16_bn(pretrained=True).to(device=torch.device("cuda" if torch.cuda.is_available() else "cpu"))

也可以先定義device：

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
model = model.to(device)
img = img.to(device)

這段代碼到底有什么用呢？

這段代碼的意思就是將所有最開始讀取數(shù)據(jù)時(shí)的tensor變量copy一份到device所指定的GPU上去，之后的運(yùn)算都在GPU上進(jìn)行。

為什么要在GPU上做運(yùn)算呢？

首先，在做高維特征運(yùn)算的時(shí)候，采用GPU無(wú)疑是比用CPU效率更高，如果兩個(gè)數(shù)據(jù)中一個(gè)加了.cuda()或者.to(device)，而另外一個(gè)沒有加，就會(huì)造成類型不匹配而報(bào)錯(cuò)。

tensor和numpy都是矩陣，前者能在GPU上運(yùn)行，后者只能在CPU運(yùn)行，所以要注意數(shù)據(jù)類型的轉(zhuǎn)換。

.cuda()和.to(device)的效果一樣嗎？為什么后者更好？

兩個(gè)方法都可以達(dá)到同樣的效果，在pytorch中，即使是有GPU的機(jī)器，它也不會(huì)自動(dòng)使用GPU，而是需要在程序中顯示指定。調(diào)用model.cuda()，可以將模型加載到GPU上去。這種方法不被提倡，而建議使用model.to(device)的方式，這樣可以顯示指定需要使用的計(jì)算資源，特別是有多個(gè)GPU的情況下。

如果你有多個(gè)GPU

那么可以參考以下代碼：

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
model = Model()

if torch.cuda.device_count() > 1:
    model = nn.DataParallel(model，device_ids=[0,1,2])
    model.to(device)

關(guān)于“pytorch中Tensor.to(device)和model.to(device)的區(qū)別是什么”這篇文章的內(nèi)容就介紹到這里，感謝各位的閱讀！相信大家對(duì)“pytorch中Tensor.to(device)和model.to(device)的區(qū)別是什么”知識(shí)都有一定的了解，大家如果還想學(xué)習(xí)更多知識(shí)，歡迎關(guān)注億速云行業(yè)資訊頻道。