Python Pytork-使用内部设备'；带有语句'；

是否有一种方法可以在特定（GPU）设备的上下文中运行

pytorch

（无需为每个新的张量指定设备，例如

.to

选项）

类似于带有tf.device（'/device:GPU:0'）：的tensorflow的等价物

似乎默认设备是cpu（除非我做错了）：

---

不幸的是，在当前的实现中，

with device

语句不能以这种方式工作，它只能用于在cuda设备之间切换。

---

您仍然需要使用

device

参数指定使用哪个设备（或

.cuda（）

将张量移动到指定的GPU），术语如下：

#在GPU 1上分配张量
a=火炬张量（[1,2.]，装置=cuda）

因此，要访问cuda:1：

cuda=torch.device（'cuda'））
带火炬.cuda.装置（1）：
#在GPU 1上分配张量
a=火炬张量（[1,2.]，装置=cuda）

和访问cuda:2：

cuda=torch.device（'cuda'））
带火炬.cuda.装置（2）：
#在GPU 2上分配张量
a=火炬张量（[1,2.]，装置=cuda）

但是，没有

设备

参数的张量仍然是CPU张量：

cuda=torch.device（'cuda'））
带火炬.cuda.装置（1）：
#在CPU上分配张量
a=火炬张量（[1,2.]）

总之：

否-不幸的是，它在设备的

当前实现中
声明不可能以您在报告中描述的方式使用
问题


以下是来自以下方面的更多示例：

cuda=torch.device（'cuda'）#默认cuda设备
cuda0=torch.device（'cuda:0'）
cuda2=火炬。设备（'cuda:2'）#GPU 2（这些是0索引的）
x=火炬张量（[1,2.]，装置=cuda0）
#x.device是设备（type='cuda'，index=0）
y=火炬张量（[1,2.]）.cuda（）
#y.device是设备（type='cuda'，index=0）
带火炬.cuda.装置（1）：
#在GPU 1上分配张量
a=火炬张量（[1,2.]，装置=cuda）
#将张量从CPU传输到GPU 1
b=火炬张量（[1,2.]）.cuda（）
#a.设备和b.设备是设备（type='cuda'，index=1）
#您也可以使用``Tensor.to``传递张量：
b2=火炬张量（[1,2.]）至（装置=cuda）
#b.设备和b2.设备是设备（type='cuda'，index=1）
c=a+b
#c.设备为设备（类型='cuda'，索引=1）
z=x+y
#z.device是设备（type='cuda'，index=0）
#即使在上下文中，也可以指定设备
#（或为.cuda调用提供GPU索引）
d=火炬。randn（2，装置=cuda2）
e=火炬。randn（2）。至（cuda2）
f=火炬。随机数（2）。cuda（cuda2）
#d.设备、e.设备和f.设备都是设备（type='cuda'，index=2）
不幸的是，在当前的实现中，
with device
语句不能以这种方式工作，它只能用于在cuda设备之间切换。


您仍然需要使用
device
参数指定使用哪个设备（或
.cuda（）
将张量移动到指定的GPU），术语如下：

#在GPU 1上分配张量
a=火炬张量（[1,2.]，装置=cuda）

因此，要访问cuda:1

：

cuda=torch.device（'cuda'））
带火炬.cuda.装置（1）：
#在GPU 1上分配张量
a=火炬张量（[1,2.]，装置=cuda）

和访问cuda:2：

cuda=torch.device（'cuda'））
带火炬.cuda.装置（2）：
#在GPU 2上分配张量
a=火炬张量（[1,2.]，装置=cuda）

但是，没有

设备

参数的张量仍然是CPU张量：

cuda=torch.device（'cuda'））
带火炬.cuda.装置（1）：
#在CPU上分配张量
a=火炬张量（[1,2.]）

总之：

否-不幸的是，它在设备的

当前实现中
声明不可能以您在报告中描述的方式使用
问题


以下是来自以下方面的更多示例：

cuda=torch.device（'cuda'）#默认cuda设备
cuda0=torch.device（'cuda:0'）
cuda2=火炬。设备（'cuda:2'）#GPU 2（这些是0索引的）
x=火炬张量（[1,2.]，装置=cuda0）
#x.device是设备（type='cuda'，index=0）
y=火炬张量（[1,2.]）.cuda（）
#y.device是设备（type='cuda'，index=0）
带火炬.cuda.装置（1）：
#在GPU 1上分配张量
a=火炬张量（[1,2.]，装置=cuda）
#将张量从CPU传输到GPU 1
b=火炬张量（[1,2.]）.cuda（）
#a.设备和b.设备是设备（type='cuda'，index=1）
#您也可以使用``Tensor.to``传递张量：
b2=火炬张量（[1,2.]）至（装置=cuda）
#b.设备和b2.设备是设备（type='cuda'，index=1）
c=a+b
#c.设备为设备（类型='cuda'，索引=1）
z=x+y
#z.device是设备（type='cuda'，index=0）
#即使在上下文中，也可以指定设备
#（或为.cuda调用提供GPU索引）
d=火炬。randn（2，装置=cuda2）
e=火炬。randn（2）。至（cuda2）
f=火炬。随机数（2）。cuda（cuda2）
#d.设备、e.设备和f.设备都是设备（type='cuda'，index=2）
是的，我现在就是这么做的。问题是，是否有可能将“默认”实例化（比如，如果我没有指定
设备
参数）作为gpu而不是cpu（特定设备，无论0,1或2是否不那么重要）@nivniv，正如我上面所说的-不，不幸的是它不起作用，它只影响cuda设备，而不是cpu。是的，这就是我现在正在做的。问题是，是否可以将“默认”实例化（例如，如果我没有指定
设备
参数）作为gpu而不是cpu（特定设备，无论0,1还是2不太重要）@niv
with torch.cuda.device('0'):
   a = torch.zeros(1)
   print(a.device)

>>> cpu