pytorch使用gpu对网络计算进行加速

1.基本要求

• 你的电脑里面有合适的GPU显卡（NVIDA）,并且需要支持CUDA模块
• 你必须安装GPU版的Torch，（详细安装方法请移步pytorch官网）

2.使用GPU训练CNN

利用pytorch使用GPU进行加速方法主要就是将数据的形式变成GPU能读的形式，然后将CNN也变成GPU能读的形式，具体办法就是在后面加上.cuda()。
例如：

#如何检查自己电脑是否支持cuda
print torch.cuda.is_available()
# 返回True代表支持，False代表不支持
'''
注意在进行某种运算的时候使用.cuda()
'''
test_data=test_data.test_labels[:2000].cuda()
'''
对于CNN与损失函数利用cuda加速
'''
class CNN(nn.Module):
...
cnn=CNN()
cnn.cuda()
loss_f = t.nn.CrossEntropyLoss()
loss_f = loss_f.cuda()

而在train时，对于train_data训练过程进行GPU加速。也同样+.cuda()。

for epoch ..:
for step, ...:
1
'''
若你的train_data在训练时需要进行操作
若没有其他操作仅仅只利用cnn()则无需另加.cuda()
'''
#eg
train_data = torch.max(teain_data, 1)[1].cuda()

补充：取出数据需要从GPU切换到CPU上进行操作

eg：

loss = loss.cpu()
acc = acc.cpu()

理解并不全，如有纰漏或者错误还望各位大佬指点迷津
参考资料：
https://morvanzhou.github.io/tutorials/machine-learning/torch/5-02-GPU/
https://cloud.tencent.com/developer/article/1451461