pytorch使用gpu计算的设置，及命令

参考：https://ptorch.com/news/187.html、https://www.jb51.net/article/178049.htm

设置使用gpu设备号

（1）直接终端中设定
CUDA_VISIBLE_DEVICES=1

（2）python代码中设定：
import os
os.environ['CUDA_VISIBLE_DEVICE']='1'

（3）使用函数set_device
import torch
torch.cuda.set_device(id)
 

常用命令

torch.cuda.is_available() # 判断是否可以使用gpu计算

torch.cuda.device_count()  # 显示gpu数量

# 三行语句意义相同，设置
torch.device('cuda:0')
torch.device('cuda', 0)
torch.device(0)
#
torch.device('cuda') # current cuda device

torch.cuda.current_device() # 当前使用gpu的设备号
# torch.device包含一个设备类型（'cpu'或'cuda'设备类型）和可选的设备的序号。
# 如果设备序号不存在，则为当前设备;
# 例如，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

简单使用实例

# 设置那个gpu上工作
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
model.to(device)
# 将数据复制到gpu中运行
mytensor = my_tensor.to(device)

torch.Tensor类型数据和numpy的数据类型区别

（1）Tensor 和 Numpy都是矩阵，区别是前者可以在GPU上运行，后者只能在CPU上；

（2）Tensor和Numpy互相转化很方便，类型也比较兼容

（3）Tensor可以直接通过print显示数据类型，而Numpy不可以