简介

    gpu（图形处理器），全称Graphics Processing Unit。GPU虽然只能做简单的运算，但其核心数多以及应用并行运算，非常适合矩阵运算。CPU单核运算能力强大，但也比不过GPU的上千个核心的运算能力。深度学习的模型训练，运用的是矩阵运算，因此，GPU天生适合神经网络的数据处理。

• 放cpu和gpu训练时的表现，就可以看到gpu的魅力所在了
  cpu
  
  gpu
  

Pytorch（torch）使用GPU的配置

1. 查看cuda版本

nvidia-smi

2. 驱动下载
https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10

• 第一次下载需要注册为NVIDIA会员

3. python安装pytorch、cudatoolkit

• 注意pytorch和cuda版本对应
  https://pytorch.org/get-started/previous-versions/
  

如何使用GPU

1. 查看能否使用gpu

import torch
torch.cuda.is_available() 

返回True，说明可用；如果返回False，可能是你的pytorch和cuda版本不一致造成的。

2. 看官网的创建神经网络的案例领悟

https://pytorch.org/tutorials/beginner/basics/buildmodel_tutorial.html

import os
import torch
from torch import nn
from torch.utils.data import DataLoader
from torchvision import datasets, transforms

device = "cuda" if torch.cuda.is_available() else "cpu"
print(f"Using {device} device")

class NeuralNetwork(nn.Module):
    def __init__(self):
        super(NeuralNetwork, self).__init__()
        self.flatten = nn.Flatten()
        self.linear_relu_stack = nn.Sequential(
            nn.Linear(28*28, 512),
            nn.ReLU(),
            nn.Linear(512, 512),
            nn.ReLU(),
            nn.Linear(512, 10),
        )

    def forward(self, x):
        x = self.flatten(x)
        logits = self.linear_relu_stack(x)
        return logits

model = NeuralNetwork().to(device) #在这里。。。
print(model)

基本上都是用to函数来将计算放到gpu上。或者也可以在创建对象的时候指定设备，再看例子。

X = torch.rand(1, 28, 28, device=device)
logits = model(X)
pred_probab = nn.Softmax(dim=1)(logits)
y_pred = pred_probab.argmax(1)
print(f"Predicted class: {y_pred}")