部分一：

Pytorch可指定用来存储和计算的设备，如使用内存的CPU或使用显存的GPU；默认情况下，Pytorch会将数据创建在内存，然后利用CPU来计算；

(资料图)

通过"nvidia-smi"指令可查看显卡信息，具体可参考Ubuntu搭建深度学习开发环境(pytorch)，pytorch常用指令如下：

torch.cuda.is_available()：查看GPU是否可用；

torch.cuda.device_count()：查看GPU数量；

torch.cuda.current_device()：查看当前GPU索引号，从0开始；

torch.cuda.get_device_name(0)：根据索引号查看GPU名字；

代码实现：

结果：

部分二：tensor的GPU计算

代码实现

结果：

需要注意，.cuda()会将CPU上的tensor转移到GPU上；如果有多块GPU，用.cuda(i)表示第i块GPU；.cuda()与.cuda(0)等价。

CPU上的数据不能与GPU上的数据进行计算，tensor只能在同设备上才能计算，如：

部分三：模型的GPU计算

代码实现

结果：