Question

我正在尝试在GPU上训练DCGAN，但是当我开始使用PyTorch时，我尝试从文档中做一些事情，并且它可以工作，但是我想确认这是否是正确的做事方法因为我看过很多关于在GPU上运行它的问题，但是它们以不同的方式完成。

using System.Collections;
using System.Collections.Generic;
using UnityEngine;

public class EnemySpawner : MonoBehaviour
{
    public Transform[] spawnPoints;
    public GameObject enemy;
    public float spawnTime = 5f;
    public float spawnDelay = 3f; 

    // Use this for initialization
    void Start () {
        InvokeRepeating ("addEnemy", spawnDelay, spawnTime);
    }

    void addEnemy() {
        int spawnPointIndex = Random.Range(0, spawnPoints.Length);
        Instantiate (enemy, spawnPoints[spawnPointIndex].position, 
spawnPoints[spawnPointIndex].rotation);
    }
}

Answer 1

关于您的代码的一些评论：

您的device变量的值是什么？
确保是torch.device('cuda:0')（或您的GPU的设备ID是什么）。
否则，如果您的device实际上是torch.device('cpu')，那么您将在CPU中运行。
有关更多信息，请参见torch.device。
您删除了代码的“模型”部分，但是您可能跳过了其中的重要部分：您是否也将模型移到了GPU？通常，模型包含许多内部参数（又称可训练的权重），您在设备上也需要它们。
您的代码也应该有

dis.to(device)
criterion.to(device)  # if your loss function also has trainable parameters

请注意，与torch.tensor不同的是，在.to上调用nn.Module是an "in place" operation。

您的代码中有多余的地方：您不必同时调用 .cuda()和.to()。
调用.cuda()是将事物移至GPU的旧方法，但是一段时间以来pytorch引入了.to()来简化编码。
由于您的输入和模型都在GPU上，因此您也无需将输出也明确移至设备。因此，您可以将output = dis(input).cuda().to(device)替换为output = dis(input)。
无需显式使用Variable。您可以替换

noise = Variable(torch.randn(input.size()[0], 100, 1, 1)).cuda().to(device)

使用

noise = torch.randn(input.size()[0], 100, 1, 1), device=input.device)

您还可以将target变量使用torch.zeros_like和torch.ones_like：

target = torch.zeros_like(input)

请注意，zeros_like和one_like会为您照顾设备（和数据类型），它与input的设备相同。

如何使PyTorch DCGAN代码在GPU上运行？

1 个答案: