Python 将pytorch数据加载器加载到GPU中

有没有办法将pytorch数据加载器（

torch.utils.data.DataLoader

）完全加载到我的GPU中

现在，我将每个批次分别加载到我的GPU中

CTX=torch.device（'cuda'））
列车装载机=torch.utils.data.DataLoader(
列车运行数据集，
批次大小=批次大小，
洗牌=正确，
工人数量=0，
)
net=net（）.to（CTX）
标准=nn.CrossEntropyLoss（）
optimizer=optim.SGD（net.parameters（），lr=LEARNING\u RATE）
对于范围内的历元（历元）：
对于输入，测试加载程序中的标签：
输入=输入。到（CTX）#这是数据加载到GPU的地方
标签=标签到（CTX）
optimizer.zero_grad（）
输出=净（输入）
损失=标准（输出、标签）
loss.backward（）
optimizer.step（）
打印（f'training accurity:{net.validate（train_loader，device=CTX）}/{len（train_数据集）}'）
打印（f'验证准确性：{net.validate（test\u loader，device=CTX）}/{len（test\u数据集）}'）

其中，

Net.validate（）

函数由

def验证（self，val_loader，device=torch.device（'cpu'））：
正确=0
对于输入，val_loader中的标签：
输入=输入。到（设备）
标签=标签。到（设备）
输出=火炬argmax（自身（输入），尺寸=1）
correct+=int（torch.sum（输出==标签））
返回正确

我想通过将整个数据集

trainloader

加载到我的GPU中来提高速度，而不是单独加载每个批次。所以，我想做一些类似的事情

列车装载机至（CTX）

这有没有一个等价的函数？因为

torch.utils.data.DataLoader

没有此属性

.to（）

---

我使用安装了CUDA Toolkit 10.2的NVIDIA GeForce RTX 2060。

为什么将

num_workers

设置为

0

？如果你想让它更快，你应该增加这个数字，我想你为什么把

num_workers

设置为

0

？如果你想让它更快，我想你应该增加这个数字