PyTorch檢視模型和資料是否在GPU上

模型和資料可以在cpu和gpu上來回遷移，怎麼判斷模型和資料在**呢？

import torch

import torch.nn as nn
# ----------- 判斷模型是在cpu還是gpu上 ----------------------
model = nn.lstm(input_size=10, hidden_size=4, num_layers=1, batch_first=true)
print(next(model.parameters()).device) # 輸出：cpu
model = model.cuda()
print(next(model.parameters()).device) # 輸出：cuda:0
model = model.cpu()
print(next(model.parameters()).device) # 輸出：cpu
# ----------- 判斷資料是在cpu還是gpu上 ----------------------
data = torch.ones([2, 3])
print(data.device) # 輸出：cpu
data = data.cuda()
print(data.device) # 輸出：cuda:0
data = data.cpu()
print(data.device) # 輸出：cpu

此外，用.is_cuda也可以判斷模型和資料是否在gpu上，例如： data.is_cuda

檢視模型各層引數（Pytorch

這個實驗用到的資料集是mnist資料集，維度是1 28 28 import torch.nn as nn class cnn nn.module def init self super cnn,self init 卷積層 self.conv1 nn.sequential in channels 1,...

pytorch技巧 一 檢視模型結構

第一步 安裝graphviz,網上教程很多，也可以點這裡。注意記得配置環境變數。第二步 安裝torchviz,開啟終端輸入pip install torchviz 第三步 使用 import torch from torchviz import make dot class mlp torch.nn...

機理模型和資料驅動

機理模型，亦稱白箱模型。根據物件 生產過程的內部機制或者物質流的傳遞機理建立起來的精確數學模型。它是基於質量平衡方程 能量平衡方程 動量平衡方程 相平衡方程以及某些物性方程 化學反應定律 電路基本定律等而獲得物件或過程的數學模型。機理模型的優點是引數具有非常明確的物理意義。模型引數易於調整，所得的模...