import torch
from torch.autograd import Variable
a = Variable(torch.Tensor([1, 2]))
if torch.cuda.is_available():
b = a.cuda()
b_data = b.data
b_grad = b.grad
b_grad_data = b.grad.data
如果.data和.grad是类属性，则.cuda()可以保留为属性，以便执行b = a.cuda 。 我提出建议认为它会增加 API 的一致性，因为.cuda() 、 .data和.grad是torch.Tensor所以 cuda() 可以更改为属性. 通过这样做，可以通过model.cuda访问 GPU 驻留模型
kdexd
所有3条评论
cuda是一种方法，因为它是一项相对昂贵的操作，涉及将数据从 CPU 复制到 GPU。 而grad和data是廉价操作（ O(1) ），它们只检索对相应张量的引用。 我认为使cuda成为一种方法是合理的。
chenzhekl
于 2017-04-16
👍10
.cuda() 将 CPU 数据复制到 GPU。 您可能不想一直将数据保存在 GPU 中。 这意味着，您仅在真正需要时才将数据存储在 GPU 中。
lg-zhang
于 2017-04-16
正如上述两条评论所提到的，将.cuda设为属性是不合适的。 我们在引用.cuda()时返回新对象，并且发生了很多事情。
soumith
于 2017-04-16
此页面是否有帮助？
0 / 5 - 0 等级
相关问题
bartolsthoorn
·
3评论
keskarnitish
·
3评论
szagoruyko
·
3评论
soumith
·
3评论
soumith
·
3评论
最有用的评论
cuda是一种方法，因为它是一项相对昂贵的操作，涉及将数据从 CPU 复制到 GPU。 而grad和data是廉价操作（O(1)），它们只检索对相应张量的引用。 我认为使cuda成为一种方法是合理的。