pytorch cuda上tensor的定义 以及减少cpu的操作详解
cuda上tensor的定义
a=torch.ones(1000,1000,3).cuda()
某一gpu上定义
cuda1=torch.device('cuda:1')
b=torch.randn((1000,1000,1000),device=cuda1)
删除某一变量
dela
在cpu定义tensor然后转到gpu
torch.zeros().cuda()
直接在gpu上定义，这样就减少了cpu的损耗
torch.cuda.FloatTensor(batch_size,self.hidden_dim,self.height,self.width).fill_(0)
补充知识：pytorchcuda.FloatTensor->FloatTensor
错误类型：
RuntimeError:Inputtype(torch.cuda.FloatTensor)andweighttype(torch.FloatTensor）
定义残差块时定义在model的外面，在使用gpu进行训练的时候，残差块的参数是torch.FloatTensor类型，
虽然使用了model.cuda(),但是只对model里面的参数在gpu部分，所以把残差块对应的操作都在model的__init__(），
重新定义，即可解决问题
以上这篇pytorchcuda上tensor的定义以及减少cpu的操作详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。