PyTorch 2.0 中设置默认使用 GPU 的方法

在 PyTorch 2.0 中，默认情况下仍然是使用 CPU 进行计算，除非明确指定使用 GPU。torch.set_default_device 是 PyTorch 2.0 引入的新功能，用于设置默认设备，使得所有后续张量和模块在没有明确指定设备的情况下，会被创建在这个默认设备上。这在代码中提供了一种更简洁的方式来指定设备，而无需在每次创建张量或模型时手动指定。

检查 PyTorch 版本

确保使用的是 PyTorch 2.0 或更高版本：
python 复制代码
```
import torch
print(torch.__version__)  # 必须是 2.0 或更高版本
```
检查 CUDA 是否可用

在设置 GPU 为默认设备之前，确认 CUDA 可用性：
python 复制代码
```
print(torch.cuda.is_available())  # True 表示可用
```

设置默认设备为 GPU

使用 torch.set_default_device 将默认设备设置为 GPU：

python 复制代码

import torch

# 确保 CUDA 可用
if torch.cuda.is_available():
    # 设置默认设备为 GPU
    torch.set_default_device('cuda')
    print("默认设备已设置为 GPU")
else:
    print("CUDA 不可用，无法设置 GPU 为默认设备")

验证默认设备设置

创建一个张量，验证其是否在 GPU 上：
python 复制代码
```
x = torch.tensor([1.0, 2.0, 3.0])
print(x.device)  # 输出：cuda:0
```

模型自动加载到 GPU

如果设置了默认设备，模型的参数和新建的张量会自动加载到 GPU：

python 复制代码

class MyModel(torch.nn.Module):
    def __init__(self):
        super().__init__()
        self.linear = torch.nn.Linear(10, 1)

    def forward(self, x):
        return self.linear(x)

model = MyModel()
print(next(model.parameters()).device)  # 输出：cuda:0

全局设置代码示例

以下代码展示如何在脚本中全局设置默认设备为 GPU：

python 复制代码

import torch

# 检查并设置默认设备
if torch.cuda.is_available():
    torch.set_default_device('cuda')
    print("默认设备已设置为 GPU")
else:
    raise RuntimeError("CUDA 不可用，请检查环境配置")

# 示例：自动使用 GPU 创建张量
x = torch.tensor([1.0, 2.0, 3.0])
print(f"x device: {x.device}")  # 输出：cuda:0

# 示例：自动将模型参数放到 GPU
model = torch.nn.Linear(5, 2)
print(f"Model parameters device: {next(model.parameters()).device}")  # 输出：cuda:0

注意事项

与设备显式管理的代码兼容性

如果代码中显式指定了设备（如 tensor.to(device)），torch.set_default_device 不会影响这些张量。建议在全局设置后，尽量减少显式设备管理操作。
多 GPU 环境

如果有多个 GPU，可以指定具体设备，比如 'cuda:1'。示例：
python 复制代码
```
torch.set_default_device('cuda:1')  # 使用第二块 GPU
```
性能调优

默认将所有操作转移到 GPU 可能并不适合所有场景，尤其是小规模任务时，GPU 的初始化开销可能超过性能提升。根据需求灵活调整设备。