Python 如何以正常的非并行方式运行Pytorch模型？

我正在浏览，这里有一个代码块，它考虑了两个选项，

DataParallel

和

DistributedDataParallel

：

if not args.distributed:
    if args.arch.startswith('alexnet') or args.arch.startswith('vgg'):
        model.features = torch.nn.DataParallel(model.features)
        model.cuda()
    else:
        model = torch.nn.DataParallel(model).cuda()
else:
    model.cuda()
    model = torch.nn.parallel.DistributedDataParallel(model)

如果我不想要这两个选项中的任何一个，并且我想在没有

DataParallel

的情况下运行它，该怎么办。我该怎么做

如何定义我的模型，使其作为普通的

nn

运行，而不并行任何东西？

• DataParallel

  是一个包装器对象，用于在同一台机器的多个GPU上并行计算，请参阅

• DistributedDataParallel

  也是一个包装器对象，允许您在多个设备上分发数据，请参阅

如果不需要，只需移除包装器并按原样使用模型：

if not args.distributed:
    if args.arch.startswith('alexnet') or args.arch.startswith('vgg'):
        model.features = model.features
        model.cuda()
    else:
        model = model.cuda()
else:
    model.cuda()
    model = model

这是为了尽量减少代码修改。当然，由于您对并行化不感兴趣，您可以将整个

if

语句删除为以下内容：

if args.arch.startswith('alexnet') or args.arch.startswith('vgg'):
    model.features = model.features
model = model.cuda()

---

请注意，此代码假定您正在GPU上运行。

谢谢您的帮助。这是有效的向所有

变量添加
.cuda（）
非常重要。