pytorch判斷是否cuda 判斷變量類型方式
更新時(shí)間：2020年06月23日 10:49:55 作者：ShellCollector
這篇文章主要介紹了pytorch判斷是否cuda 判斷變量類型方式，具有很好的參考價(jià)值，希望對大家有所幫助。一起跟隨小編過來看看吧
我就廢話不多說了，那就直接看代碼吧~
inputs = Variable(torch.randn(2,2)) inputs.is_cuda # will return false inputs = Variable(torch.randn(2,2).cuda()) inputs.is_cuda # returns true
判斷：
torch.is_tensor() #如果是pytorch的tensor類型返回true
torch.is_storage() # 如果是pytorch的storage類型返回ture
這里還有一個(gè)小技巧，如果需要判斷tensor是否為空，可以如下
>>> a=torch.Tensor() >>> len(a) 0 >>> len(a) is 0 True
設(shè)置：通過一些內(nèi)置函數(shù)，可以實(shí)現(xiàn)對tensor的精度, 類型，print打印參數(shù)等進(jìn)行設(shè)置
torch.set_default_dtype(d) #對torch.tensor() 設(shè)置默認(rèn)的浮點(diǎn)類型 torch.set_default_tensor_type() # 同上，對torch.tensor()設(shè)置默認(rèn)的tensor類型 >>> torch.tensor([1.2, 3]).dtype # initial default for floating point is torch.float32 torch.float32 >>> torch.set_default_dtype(torch.float64) >>> torch.tensor([1.2, 3]).dtype # a new floating point tensor torch.float64 >>> torch.set_default_tensor_type(torch.DoubleTensor) >>> torch.tensor([1.2, 3]).dtype # a new floating point tensor torch.float64 torch.get_default_dtype() #獲得當(dāng)前默認(rèn)的浮點(diǎn)類型torch.dtype torch.set_printoptions(precision=None, threshold=None, edgeitems=None, linewidth=None, profile=None）#) ## 設(shè)置printing的打印參數(shù)
判斷變量類型：下面兩種方法都行
if isinstance(downsample, torch.nn.Module):
# if torch.type(downsample) != torch.IntTensor:
補(bǔ)充知識(shí)：pytorch：測試GPU是否可用
廢話不多說，看代碼吧~
import torch
flag = torch.cuda.is_available()
print(flag)
ngpu= 1
# Decide which device we want to run on
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3,3).cuda())
True cuda:0 GeForce GTX 1080 tensor([[0.9530, 0.4746, 0.9819], [0.7192, 0.9427, 0.6768], [0.8594, 0.9490, 0.6551]], device='cuda:0')
以上這篇pytorch判斷是否cuda 判斷變量類型方式就是小編分享給大家的全部內(nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
Pandas DataFrame實(shí)現(xiàn)任意位置插入一列或一行
Pandas是Python中最流行的數(shù)據(jù)處理和分析庫之一,在數(shù)據(jù)分析過程中,有時(shí)候需要在Dataframe中插入新的數(shù)據(jù)列,本文主要介紹了Pandas DataFrame實(shí)現(xiàn)任意位置插入一列或一行,具有一定的參考價(jià)值,感興趣的可以了解一下2023-08-08
django vue3實(shí)現(xiàn)大文件分段續(xù)傳(斷點(diǎn)續(xù)傳)
本文介紹了使用Django和Vue3實(shí)現(xiàn)大文件分段上傳（斷點(diǎn)續(xù)傳）的方法,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2025-01-01
Python函數(shù)值傳遞引用傳遞及形式參數(shù)和實(shí)際參數(shù)的區(qū)別
這篇文章主要介紹了Python函數(shù)值傳遞引用傳遞及形式參數(shù)和實(shí)際參數(shù)的區(qū)別，具有一定的參考價(jià)值，需要的小伙伴可以參考一下，希望對你的學(xué)習(xí)有所幫助2022-05-05
這篇文章主要介紹了python3-函數(shù)與參數(shù)以及空值，本文通過實(shí)例代碼給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2022-11-11
這篇文章主要介紹了Python中jieba模塊使用的相關(guān)資料,jieba是中文自然語言處理中常用的分詞工具,支持精確模式、全模式和搜索引擎模式,它還提供了自定義詞典和TF-IDF、TextRank等關(guān)鍵詞提取方法,需要的朋友可以參考下2024-12-12
Django中數(shù)據(jù)庫的數(shù)據(jù)關(guān)系:一對一,一對多,多對多
今天小編就為大家分享一篇關(guān)于Django中數(shù)據(jù)庫的數(shù)據(jù)關(guān)系:一對一,一對多,多對多，小編覺得內(nèi)容挺不錯(cuò)的，現(xiàn)在分享給大家，具有很好的參考價(jià)值，需要的朋友一起跟隨小編來看看吧2018-10-10
如何使用Python實(shí)現(xiàn)數(shù)據(jù)透視表、音頻文件格式轉(zhuǎn)換
這篇文章主要介紹了用Python實(shí)現(xiàn)數(shù)據(jù)透視表、音頻文件格式轉(zhuǎn)換,本文通過實(shí)例代碼給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2023-10-10
這篇文章主要給大家介紹了關(guān)于Python裝飾器使用你可能不知道的幾種姿勢，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者使用Python具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面來一起學(xué)習(xí)學(xué)習(xí)吧2019-10-10
關(guān)于類的定義2008-11-11
Python批量調(diào)整Word文檔中的字體、段落間距及格式
這篇文章主要為大家詳細(xì)介紹了如何使用Python的docx庫來批量處理Word文檔,包括設(shè)置首行縮進(jìn)、字體、字號(hào)、行間距、段落對齊方式等,需要的可以了解下2025-03-03