Pytorch指定device(cuda or cpu)
torch.device()
在PyTorch中，你可以使用torch.device函数来设置设备（device）。
这个函数接受一个字符串作为参数，该字符串可以是 "cpu" 或 "cuda"，它指定了要在哪个设备上运行张量计算。
# 使用CPU
device = torch.device("cpu")
# 使用GPU（如果可用）
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
device = torch.device("cuda:0")
device = torch.device("cuda:1")
os.environ['CUDA_VISIBLE_DEVICES']
全局指定只能识别的cuda编号
os.environ['CUDA_VISIBLE_DEVICES']
是一个在运行 Python 程序时可以设置可见的 CUDA 设备的环境变量。
这个环境变量可以控制哪些 GPU 设备对 Python 程序是可见的。
例如：
如果你想让你的程序只能看到编号为 0 的 GPU，你可以在运行程序前设置这个环境变量：
import os os.environ['CUDA_VISIBLE_DEVICES'] = '0'
或者你也可以设置多个 GPU，只需将它们的编号以逗号分隔：
import os os.environ['CUDA_VISIBLE_DEVICES'] = '0,1'
如果你想让程序对所有 GPU 都可见，只需将环境变量设置为空字符串：
os.environ['CUDA_VISIBLE_DEVICES'] = ''
说说torch.device的作用
torch.device代表将torch.Tensor分配到的设备的对象。
torch.device包含一个设备类型（‘cpu’或‘cuda’）和可选的设备序号。
如果设备序号不存在，则为当前设备。
如：torch.Tensor用设备构建‘cuda’的结果等同于‘cuda：X’，其中X是torch.cuda.current_device()的结果。
#开始脚本，创建一个张量
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
...
#但是无论你获得一个新的Tensor或者Module
#如果他们已经在目标设备上则不会执行复制操作
input = data.to(device)
model = MyModule(...).to(device)
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持。
