pytorch中数据和模型都要部署在cuda上面

注意一定要两个都部署在模型训练之前,缺少一个都会报错在两个设备上训练,一个在cpu,一个在cuda

部署数据到cuda上

复制代码
point_features = torch.tensor(point_features, dtype=torch.float32).to('cuda')  # 如果你有支持的 GPU,shape = (499,3159,3)
coord_time = torch.tensor(coord_time, dtype=torch.float32).to('cuda')  # 如果你有支持的 GPU  shape = (3159,3)
target = torch.tensor(target, dtype=torch.float32).to('cuda')  # 如果你有支持的 GPU  shape = (499,3159,3)

部署模型到cuda上

model = model.to('cuda')

相关推荐
池央9 分钟前
AI性能极致体验:通过阿里云平台高效调用满血版DeepSeek-R1模型
人工智能·阿里云·云计算
我们的五年10 分钟前
DeepSeek 和 ChatGPT 在特定任务中的表现:逻辑推理与创意生成
人工智能·chatgpt·ai作画·deepseek
Yan-英杰11 分钟前
百度搜索和文心智能体接入DeepSeek满血版——AI搜索的新纪元
图像处理·人工智能·python·深度学习·deepseek
Fuweizn13 分钟前
富唯智能可重构柔性装配产线:以智能协同赋能制造业升级
人工智能·智能机器人·复合机器人
taoqick2 小时前
对PosWiseFFN的改进: MoE、PKM、UltraMem
人工智能·pytorch·深度学习
suibian52352 小时前
AI时代:前端开发的职业发展路径拓宽
前端·人工智能
预测模型的开发与应用研究3 小时前
数据分析的AI+流程(个人经验)
人工智能·数据挖掘·数据分析
源大模型3 小时前
OS-Genesis:基于逆向任务合成的 GUI 代理轨迹自动化生成
人工智能·gpt·智能体
PowerBI学谦5 小时前
Python in Excel高级分析:一键RFM分析
大数据·人工智能·pandas
运维开发王义杰5 小时前
AI: Unsloth + Llama 3 微调实践,基于Colab
人工智能·llama