pytorch怎么把数据集加载到GPU

将数据集加载到GPU需要使用PyTorch中的DataLoader和torch.cuda模块。

首先，需要确定设备是否支持CUDA：

import torch

if torch.cuda.is_available():
    device = torch.device('cuda')
else:
    device = torch.device('cpu')

然后，将数据集转换为PyTorch张量，并将其放置在定义的设备上：

from torchvision import datasets, transforms

transform = transforms.Compose([transforms.ToTensor()])

train_data = datasets.MNIST(root='data', train=True, download=True, transform=transform)
train_loader = torch.utils.data.DataLoader(train_data, batch_size=64, shuffle=True)

images, labels = next(iter(train_loader))
images = images.to(device)
labels = labels.to(device)

在这里，我们使用MNIST数据集作为示例。首先，我们将数据集转换为张量，然后使用DataLoader将其转换为批次。最后，我们将批次中的图像和标签移动到定义的设备上。

注意：如果你使用的是自己的数据集，需要根据数据集的格式进行相应的修改。