pytorch 指定gpu訓(xùn)練與多gpu并行訓(xùn)練示例
一. 指定一個gpu訓(xùn)練的兩種方法:
1.代碼中指定
import torch torch.cuda.set_device(id)
2.終端中指定
CUDA_VISIBLE_DEVICES=1 python 你的程序
其中id就是你的gpu編號
二. 多gpu并行訓(xùn)練:
torch.nn.DataParallel(module, device_ids=None, output_device=None, dim=0)
該函數(shù)實現(xiàn)了在module級別上的數(shù)據(jù)并行使用,注意batch size要大于GPU的數(shù)量。
參數(shù) :
module:需要多GPU訓(xùn)練的網(wǎng)絡(luò)模型
device_ids: GPU的編號(默認全部GPU,或[0,1] ,[0,1,2])
output_device:(默認是device_ids[0])
dim:tensors被分散的維度,默認是0
在保存模型時要注意要加上"module",例如:
network.module.state_dict()
以上這篇pytorch 指定gpu訓(xùn)練與多gpu并行訓(xùn)練示例就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關(guān)文章
Python使用多進程運行含有任意個參數(shù)的函數(shù)
這篇文章主要介紹了Python使用多進程運行含有任意個參數(shù)的函數(shù),具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-05-05
python之隨機數(shù)函數(shù)的實現(xiàn)示例
這篇文章主要介紹了python之隨機數(shù)函數(shù)的實現(xiàn)示例,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-12-12

