Nvidia GPU 入门教程之 06 如何在 Python 中将 Torch 张量从 CPU 移动到 GPU

在本文中，我们将了解如何在 Python 中将张量从 CPU 移动到 GPU 以及从 GPU 移动到 CPU。

为什么我们需要移动张量？

这样做的原因如下：

在训练大型神经网络时，我们需要使用我们的 GPU 进行更快的训练。所以 PyTorch 期望数据从 CPU 传输到 GPU。最初，所有数据都在 CPU 中。
在做完所有训练相关的过程后，输出张量也在 GPU 中产生。通常，我们的神经网络的输出需要预处理。大多数预处理库不支持张量，需要一个 NumPy 数组。NumPy 不将数据存储在 GPU 中，因此它希望数据在 CPU 中。

CPU 到 GPU

要将我们的张量从 CPU 移动到 GPU，我们使用以下命令之一：

Tensor.cuda() 
Tensor.to("cuda")

GPU 到 CPU

现在要将我们的张量从 GPU 移动到 CPU，有两个条件：

required_grad = False 的张量