PyTorch：在GPU与CPU之间轻松切换

PyTorch如何查看已运行代码是在CPU上还是在GPU上运行
在PyTorch中，您可以使用几种方法来确定您的代码是在CPU上还是在GPU上运行。

1. 使用 device() 方法
   您可以使用 device() 方法来检查当前设备。在PyTorch中，所有的张量和模型都可以在CPU或GPU上。当你创建一个张量或模型时，你可以指定它应该在哪个设备上。例如:

   # Create a tensor on CPU
   x = torch.tensor([1.0, 2.0, 3.0], device='cpu')
   print(x.device)  # Output: cpu
   # Create a tensor on GPU
   y = torch.tensor([1.0, 2.0, 3.0], device='cuda:0')
   print(y.device)  # Output: cuda:0

2. 使用 is_cuda() 方法
   is_cuda() 方法可以用来检查当前是否在GPU上运行。如果您的代码在GPU上运行，那么 is_cuda() 将返回 True，否则返回 False。

   if torch.is_cuda():
   print('CUDA is available.')
   else:
   print('CUDA is not available.')

3. 使用 get_device() 方法
   如果你想知道在哪个具体的设备上运行代码（例如，如果你有多个GPU），你可以使用 get_device() 方法。如果返回值是0，那么代码在第一个GPU上运行；如果返回值是1，那么代码在第二个GPU上运行，以此类推。

   device = torch.device("cuda:0" if torch.is_cuda() else "cpu")
   x = torch.tensor([1.0, 2.0, 3.0], device=device)
   print(x.device)  # Output: cuda:0 or cpu depending on your system

   以上三种方法可以帮助你查看已运行的代码是在CPU还是GPU上运行。在实际使用中，你可能会发现根据你的系统配置和你运行代码的方式，方法的有效性可能会有所不同。总的来说，is_cuda() 是最简单直接的方法，适用于大多数情况。但如果你需要更具体的设备信息，那么 device() 或 get_device() 方法可能会更有用。