调用cuda在GPU上运行,能调用CUDA的地方

文章目录[隐藏]

方式一

tudui = Tudui()

if torch.cuda.is_available():

        tudui = tudui.cuda (网络调用cuda后要再返回给网络)

..........................................................................................

if torch.cuda.is_available():

        loss = loss.cuda()

..........................................................................................

if torch.cuda.is_available():

        imgs = imgs.cuda()

        targets = targets.cuda()

方式二

放开头

device = torch.device('cuda')

..........................................................................................

‘tudui = Tudui()

tudui = tudui.to(device)

..........................................................................................

 loss = loss.to(device)

..........................................................................................

images = images.to(device)

targets = targets.to(device)

版权声明:本文为CSDN博主「xiao_bai_bu_hei」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/xiao_bai_bu_hei/article/details/122496915

xiao_bai_bu_hei

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

玩转KITTI3D目标检测:KITTI评估工具evaluate的使用

近期因实验需要利用kitti数据集,发现关于评估工具使用的部分网上教程不够详细,特此记录. 文末为了方便对数据结果观看,附上了修改代码. 1. KITTI评估工具来源 官网评估工具 下载后文件目录包含: matlab(2D/3D框显示和

yolov5训练数据集划分

yolov5训练数据集划分 按照默认8:1:1划分训练集,测试集,验证集。 txt文件出现在imageset文件夹。 import os import randomtrainval_pe

深度学习之目标检测YOLOv5

一.简介 YOLOV4出现之后不久,YOLOv5横空出世。YOLOv5在YOLOv4算法的基础上做了进一步的改进,检测性能得到进一步的提升。虽然YOLOv5算法并没有与YOLOv4算法进行性能比较与分析&#xff0