Day 36GPU的训练以及类的call方法

1.模型在 GPU 上训练，主要是将模型和数据迁移到 GPU 设备上。

GPU在计算的时候，相较于cpu多了3个时间上的开销

1. 数据传输开销 (CPU 内存 <-> GPU 显存)

2. 核心启动开销 (GPU 核心启动时间)

3. 性能浪费：计算量和数据批次

losses.append(loss.item()) 本身是轻量级操作（只是把一个数值存到列表里，耗时极短，可能只有微秒级）。而深度学习训练的主要耗时在：GPU 的前向 / 反向传播（占总耗时的 95% 以上）；数据加载、内存拷贝等其他系统操作。且剩余时长本身是估算值，系统动态随机因素影响。

2.__call__方法让类的实例拥有了 "函数调用" 的能力

# 定义一个类，实现__call__方法
class MyCalculator:
    def __init__(self, factor):
        self.factor = factor  # 初始化一个乘法因子
    
    def __call__(self, x):
        # 当实例被调用时，执行这个方法
        return x * self.factor
 
# 实例化：因子为2
calc = MyCalculator(2)
 
# 把实例当作函数调用
result = calc(5)
print(result)  # 输出10（5*2）

@浙大疏锦行