PyTorch：tensor.cuda() 和 tensor.to(torch.device("cuda:0")) 有什么区别？

Question

在 PyTorch 中，以下两种方法向 GPU 发送张量（或模型）有什么区别：

设置：

X = np.array([[1, 3, 2, 3], [2, 3, 5, 6], [1, 2, 3, 4]]) # X = model()
X = torch.DoubleTensor(X)

方法一	方法二
X.cuda()	device = torch.device("cuda:0") X = X.to(device)

---

（我真的不需要对后端发生的事情进行详细解释，只想知道它们是否本质上都在做同样的事情）

Answer 1

两者没有区别。
pytorch的早期版本曾.cuda()和.cpu()方法从CPU移到张量和模型，以GPU和背部。然而，这使得代码编写有点麻烦：

if cuda_available:
  x = x.cuda()
  model.cuda()
else:
  x = x.cpu()
  model.cpu()

后来引入的版本.to()基本上以优雅的方式处理所有事情：

device = torch.device('cuda') if cuda_available else torch.device('cpu')
x = x.to(device)
model = model.to(device)

Answer 2

它们的语法略有不同，但它们是等效的：

\n

\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n \n\n\n\n\n

\xe2\xa0\x80	。命名）	.to（设备）	.cuda()
中央处理器	to(\'cpu\')	to(torch.device(\'cpu\'))	cpu()
当前GPU	to(\'cuda\')	to(torch.device(\'cuda\'))	cuda()
特定GPU	to(\'cuda:1\')	to(torch.device(\'cuda:1\'))	cuda(device=1)

\n

\n

注意：当前的cuda设备是0默认的，但是可以使用 进行设置torch.cuda.set_device()。

\n