L'utilisation du GPU pour l'entraînement ou le raisonnement sera plusieurs fois plus rapide que l'utilisation pure du CPU, donc en général, si l'appareil est équipé d'un GPU, nous essaierons d'utiliser le GPU autant que possible.
Tout d'abord, le gpu peut être utilisé : données (image d'entrée, étiquette étiquetée), fonction de perte, modèle de réseau.
première méthode
Ces trois endroits appellent .cuda() pour revenir.
Modèle de réseau :
fonction de perte :
données (image d'entrée, étiquette étiquetée) :
ensemble d'apprentissage, ensemble de vérification, ensemble de test (prenez l'exemple de la carte de l'ensemble d'apprentissage).
chemin deux
Définissez d'abord l'équipement pour la formation réseau, puis appelez .to(device) dans les trois endroits pour revenir
# 定义训练的设备
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
Modèle de réseau :
fonction de perte :
données (image d'entrée, étiquette étiquetée) :
ensemble d'apprentissage, ensemble de vérification, ensemble de test (prenez l'exemple de la carte de l'ensemble d'apprentissage).
