一
首先，查看GPU情况
nvidia-smi
确实训练得要快多了
在网络模型后添加cuda方法
tudui = Tudui()
tudui = tudui.cuda()
损失函数
loss_fn = nn.CrossEntropyLoss()
loss_fn = loss_fn.cuda()
训练
imgs, targets = data
imgs = imgs.cuda()
targets = targets.cuda()
测试
imgs, targets = data
imgs = imgs.cuda()
targets = targets.cuda()
如果不确定是否有GPU，这种写法更好
判断一下，如果有再执行；这样才在CPU或者GPU上都能跑，优先GPU
tudui = Tudui()
if torch.cuda.is_available():
tudui = tudui.cuda()
记录时间进行比较
import time
start_time = time.time()
end_time = time.time()
print(end_time - start_time)
二
文章来源：https://www.toymoban.com/news/detail-793183.html
定义训练的设备
device = torch.device("cpu")
#device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
修改部分代码
tudui = Tudui()
tudui = tudui.to(device)
loss_fn = loss_fn.to(device)
#训练+测试部分
imgs = imgs.to(device)
targets = targets.to(device)
其实模型和损失函数不需另外赋值，但训练和测试部分需要文章来源地址https://www.toymoban.com/news/detail-793183.html
tudui = Tudui()
tudui.to(device)
loss_fn.to(device)
#训练+测试部分
imgs = imgs.to(device)
targets = targets.to(device)
到了这里，关于利用GPU训练神经网络的文章就介绍完了。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！
