nn.parameter()放入cuda

当使用`nn.Parameter`定义一个模型的参数时，这些参数默认是在CPU上创建的。如果你想将这些参数放入CUDA设备上进行计算，你需要手动将它们移动到CUDA设备上。你可以使用`parameter.cuda()`方法将参数放入CUDA设备中。但是需要注意的是，你必须在将参数添加到模型之前将其移动到CUDA设备上，否则参数将不会被正确地放入CUDA。

在你的例子中，当你创建`Model()`模型时，你可以在创建之后调用`model.cuda()`方法来将模型移动到CUDA设备上。这将同时将模型中的所有参数移动到CUDA设备上，包括子模块中的参数。这样，当你输入一个`torch.cuda.FloatTensor`时，模型的所有参数都将在CUDA设备上进行计算。
<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [Pytorch 解决自定义子Module .cuda() tensor失败的问题](https://download.csdn.net/download/weixin_38543950/13709085)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *2* *3* [【nn.Parameter】Pytorch特征融合自适应权重设置（可学习权重使用）](https://blog.csdn.net/weixin_43312117/article/details/121374486)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]