¿Cómo comprueba pytorch en qué GPU están el tensor y el modelo y especifica el dispositivo GPU?

1. Ver el dispositivo donde se encuentra el tensor:

data = data.cuda()#将数据转移到gpu上
 
print(data.device)  # 输出：cuda:0
 
data = data.cpu()#将数据转移到cpu上
 
print(data.device)  # 输出：cpu

2. Ver el dispositivo donde se encuentra el modelo

model = model.cuda()#将模型转移到gpu上
 
print(next(model.parameters()).device)  # 输出：cuda:0
 
model = model.cpu()#将模型转移到cpu上
 
print(next(model.parameters()).device)  # 输出：cpu

3. Hay dos formas comunes de cargar modelos y tensores en GPU en Pytorch.

Método 1:

# 如果GPU可用，将模型和张量加载到GPU上
if torch.cuda.is_available():
    model = model.cuda()
    x = x.cuda()
    y = y.cuda()

Método 2:

# 分配到的GPU或CPU
device=torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
# 将模型加到GPU
model=model.to(device)
# 将张量加到GPU
x=x.to(device)
y=y.to(device)

4. Especifique el código GPU

# 代码1：
torch.cuda.set_device(1)

# 代码2：
device = torch.device("cuda:1")

# 代码3：（官方推荐使用）,
os.environ["CUDA_VISIBLE_DEVICES"] = '1'

（如果你想同时调用两块GPU的话）
os.environ["CUDA_VISIBLE_DEVICES"] = '1,2'

Enlace de referencia: seleccione la GPU especificada en PyTorch

Tenga en cuenta que el código GPU especificado debe colocarse al principio del segmento del programa, como se muestra en la siguiente figura:

5. Ver la cantidad de GPU

torch.cuda.device_count()