小编Dan*_*ris的帖子

迁移指南建议采取以下措施，使代码与CPU / GPU无关：

> # at beginning of the script
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
...
# then whenever you get a new Tensor or Module
# this won't copy if they are already on the desired device
input = data.to(device)
model = MyModule(...).to(device)

我这样做并在仅CPU的设备上运行了代码，但是当输入一个输入数组时，我的模型崩溃了，因为它说期望的是CPU张量而不是GPU张量。我的模型以某种方式自动将CPU输入阵列转换为GPU阵列。最后，我在代码中将其追溯到此命令：

model = torch.nn.DataParallel(model).to(device)

即使我将模型转换为“ cpu”，但nn.DataParallel仍将其覆盖。我想出的最好的解决方案是有条件的：

if device.type=='cpu':
    model = model.to(device)
else:
    model = torch.nn.DataParallel(model).to(device)

这看起来并不优雅。有没有更好的办法？

以下代码示例在Python中有效，但在Linux中的VSCode中有效（在Windows 中的VSCode中无效）。我想知道我的代码是否有问题，或者在Linux下VSCode是否有问题？

#Test of PyTorch DataLoader and Visual Studio Code
from torch.utils.data import Dataset, DataLoader

class SimpleData(Dataset):
    """Very simple dataset"""
    def __init__(self):
        self.data = range(20)
    def __len__(self):
        return len(self.data)
    def __getitem__(self, idx):
        return self.data[idx]

if __name__ == '__main__':

    #Initialize DataLoader with above Dataset:
    dataloader = DataLoader(SimpleData(), batch_size=4, num_workers=1)

    print('Using DataLoader to show data in batches: ')
    for i, sample_batch in enumerate(dataloader):    #This fails in VSCode in Linux
        print('batch ', i, ':', sample_batch)

    print("--- Done ---")

预期的输出是：

Using …