[人工智能]2、pytorch之gpu部署两种方法（方法一为常用方法）

方法一、先声明再部署

import torch
'''
1)以下两种写法都可以，最常用的是第二个（gpu不可用就默认使用cpu），
作用都是声明device
2)其中“cuda”部分也可以写为"cuda:0/1/2..."，0，1，2等表示显卡编号
'''
device = torch.device("cuda")
device = torch.device("cuda" if torch.cuda.is_availabel() else "cpu")
'''
下面就是将模型、数据（输入、标签）、损失部署在gpu上
'''
#部署模型
model = model.to(device)
#部署数据
input_data = input_data.to(device)
label = label.to(device)
#部署损失
loss = loss.to(device)

方法二、直接部署

'''
网络模型、数据（输入、标签）、损失都放到gpu上，
即所有的参数后面要跟上.cuda()
'''
#部署模型
model = model.cuda()
#部署数据
input_data = input_data.cuda()
label = label.cuda()
#部署损失
loss = loss.cuda()
#为了防止gpu不可用，还可以在每一句话前面写：
if torch.cuda.is_availabel():


#即：
if torch.cuda.is_availabel():
	model = model.cuda()
if torch.cuda.is_availabel():
	input_data = input_data.cuda()
	label = label.cuda()
if torch.cuda.is_availabel():
	loss = loss.cuda()