这篇文章主要介绍了pytorch判断是否cuda 判断变量类型方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
我就废话不多说了，那就直接看代码吧~
inputs = Variable(torch.randn(2,2)) inputs.is_cuda # will return false inputs = Variable(torch.randn(2,2).cuda()) inputs.is_cuda # returns true
判断：
torch.is_tensor() #如果是pytorch的tensor类型返回true
torch.is_storage() # 如果是pytorch的storage类型返回ture
这里还有一个小技巧，如果需要判断tensor是否为空，可以如下
>>> a=torch.Tensor() >>> len(a) 0 >>> len(a) is 0 True
设置：通过一些内置函数，可以实现对tensor的精度, 类型，print打印参数等进行设置
torch.set_default_dtype(d) #对torch.tensor() 设置默认的浮点类型 torch.set_default_tensor_type() # 同上，对torch.tensor()设置默认的tensor类型 >>> torch.tensor([1.2, 3]).dtype # initial default for floating point is torch.float32 torch.float32 >>> torch.set_default_dtype(torch.float64) >>> torch.tensor([1.2, 3]).dtype # a new floating point tensor torch.float64 >>> torch.set_default_tensor_type(torch.DoubleTensor) >>> torch.tensor([1.2, 3]).dtype # a new floating point tensor torch.float64 torch.get_default_dtype() #获得当前默认的浮点类型torch.dtype torch.set_printoptions(precision=None, threshold=None, edgeitems=None, linewidth=None, profile=None）#) ## 设置printing的打印参数
判断变量类型：下面两种方法都行
if isinstance(downsample, torch.nn.Module):
# if torch.type(downsample) != torch.IntTensor:
补充知识：pytorch：测试GPU是否可用
废话不多说，看代码吧~
import torch flag = torch.cuda.is_available() print(flag) ngpu= 1 # Decide which device we want to run on device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu") print(device) print(torch.cuda.get_device_name(0)) print(torch.rand(3,3).cuda()) True cuda:0 GeForce GTX 1080 tensor([[0.9530, 0.4746, 0.9819], [0.7192, 0.9427, 0.6768], [0.8594, 0.9490, 0.6551]], device='cuda:0')
以上这篇pytorch判断是否cuda 判断变量类型方式就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持html中文网。
以上就是pytorch判断是否cuda 判断变量类型方式的详细内容，更多请关注0133技术站其它相关文章！
