Python 如何在pytorch中包含一个属性，让用户决定是否使用GPU？_Python_Class_Pytorch_Gpu

Python 如何在pytorch中包含一个属性，让用户决定是否使用GPU？

python class pytorch

Python 如何在pytorch中包含一个属性，让用户决定是否使用GPU？,python,class,pytorch,gpu,Python,Class,Pytorch,Gpu,我是Python和pytorch的初学者，我为没有说清楚或没有使用正确的术语而道歉我正在尝试编写一个线性回归类，它允许用户决定是否要在GPU上运行模型以下是我用一种相当愚蠢的方式编写的代码 class LinearRegression(): def __init__(self, dtype = torch.float64): self.dtype = dtype self.bias = None self.weight = None

我是Python和pytorch的初学者，我为没有说清楚或没有使用正确的术语而道歉

我正在尝试编写一个线性回归类，它允许用户决定是否要在GPU上运行模型

以下是我用一种相当愚蠢的方式编写的代码

class LinearRegression():
    def __init__(self, dtype = torch.float64):  
        self.dtype = dtype
        self.bias = None
        self.weight = None
        
    def fit(self, x, y, std = None, device = "cuda"): 
        if x.dtype is not self.dtype:
            x = x.type(dtype = self.dtype)
        if y.dtype is not self.dtype:
            y = y.type(dtype = self.dtype)

        #let the user decide whether they want it to be standardized 
        if std == True:
          mean = torch.mean(input = x, dim=0).to(device)
          sd = torch.std(input = x, dim=0).to(device)
          x = x.to(device)
          x = (x-mean)/sd
        u = torch.ones(size = (x.size()[0], 1), dtype = self.dtype).to(device)
        x_design = torch.cat([u, x], dim = 1).to(device)
        y = y.to(device)
        parameter = torch.inverse(
            torch.transpose(x_design, dim0=0, dim1=1) @ x_design).to(device) @ \
                    torch.transpose(x_design, dim0=0, dim1=1).to(device) @ y

        self.bias = parameter[0, 0]
        self.weight = parameter[1:, 0]
        return self

基本上，我只是在每个张量中添加了.to（device），以便在用户希望使用的设备上运行它。但是，我相信有更好的方法可以做到这一点，也许在

\uuu int\uuu

中包含一些内容