问题的提出
写代码时非常困惑，明明下载了cuda支持包和PyTorch-GPU版本，进行NN和CNN时却是用CPU在进行计算（CPU利用率超90%，GPU利用率不到5%），如下图：
首先我检查了PyTorch是否安装成功，输入命令print(torch.cuda.is_available())，返回值为True，说明PyTorch是安装成功了，这可让我有点捉急。
看了许多文章终于解决了深度学习时CPU和GPU之间切换的问题，以下是一些总结。
1.CPU_to_GPU——定义device对象
深度学习前，可以调用torch.device函数定义当前设备，如要使用GPU计算 输入‘cuda’，使用CPU计算则输入‘cpu’。
为了以防万一，加上if判断语句，利用torch.cuda.is_available()对当前环境是否成功安装GPU版本的Pytorch进行判断，如果成功安装则选择GPU进行计算，否则CPU，代码如下：
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
反之，也可GPU_to_CPU。
如果成功安装GPU版本的Pytorch，返回值为True，相反为False。接下来，需要使用Tensor.to(device)方法进行切换操作：
- 将Tensor数据转入GPU：
x_train,y_train,x_valid,y_valid = map(torch.tensor,(x_train,y_train,x_valid,y_valid))
x_train = x_train.to(device)
y_train = y_train.to(device)
x_valid = x_valid.to(device)
y_valid = y_valid.to(device)
- 别忘了将model也转入GPU：
model = model.to(device)
2.CPU_to_GPU——.cuda()方法
我们可以直接使用Tensor.cuda()方法将张量用GPU调用
# 数据用GPU调用
data = data.cuda()
target = target.cuda()
# 将model用GPU调用
net = CNN()
net = net.cuda()
3.GPU_to_CPU——.cpu
结束GPU计算后，需要转换回CPU调用模式才能进行相应的数值numpy计算，否则有可能报错，切换格式为Tensor.cpu()。
print(100. * train_r[0].cpu().numpy() / train_r[1])
End
问题就解决了：
文章来源：https://www.toymoban.com/news/detail-457048.html
补充：
尽量直接避免使用data.cuda() ，可能会报错，建议使用data = data.cuda()文章来源地址https://www.toymoban.com/news/detail-457048.html
到了这里，关于【PyTorch如何实现CPU、GPU相互转换？】的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
![Linux和Windows系统下:安装Anaconda、Paddle、tensorflow、pytorch，GPU[cuda、cudnn]、CPU安装教学,以及查看CPU、GPU内存使用情况](https://imgs.yssmx.com/Uploads/2024/02/762289-1.png)
