python torch 设置CPU训练

在PyTorch中，如果你想让模型在CPU上进行训练，你可以通过设置默认的设备为CPU来实现。以下是一个简单的步骤：

1. **导入所需的库**：首先，你需要导入`torch`库，并确保已经安装了它。

import torch

2. **设置设备**：使用`.to()`函数将模型、张量和其他需要处理的对象移动到CPU。例如：

device = torch.device("cpu")
model = Model().to(device)  # 将模型移到CPU
inputs = inputs.to(device)  # 如果你有输入数据，也移到CPU

这里的`Model()`是你要训练的具体模型类。

3. **配置优化器和损失函数**：同样地，优化器和损失函数也应该放在正确的设备上：

optimizer = torch.optim.Adam(model.parameters(), device=device)
criterion = nn.CrossEntropyLoss().to(device)

4. **开始训练循环**：在`for`循环中，确保所有的计算都在CPU上执行：

for epoch in range(num_epochs):
    for inputs, labels in train_loader:
        with torch.no_grad():  # 如果不需要反向传播，可以使用此标记节省计算资源
            outputs = model(inputs)
            loss = criterion(outputs, labels)
        optimizer.zero_grad()  # 清空梯度
        loss.backward()  # 计算梯度
        optimizer.step()