python里的device

在 PyTorch 中，`device` 是一个很重要的概念，它指定了张量（tensor）和模型（model）在哪个设备上进行计算。PyTorch 支持 CPU 和 GPU 两种设备。当我们创建一个张量或模型时，可以通过指定 `device` 参数来控制它们在哪个设备上进行计算。例如：

import torch

# 在 CPU 上创建张量
x = torch.tensor([[1, 2, 3], [4, 5, 6]])

# 在 GPU 上创建张量
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
x = x.to(device)

# 在 GPU 上创建模型
class MyModel(torch.nn.Module):
    def __init__(self):
        super(MyModel, self).__init__()
        self.linear = torch.nn.Linear(3, 1)
    
    def forward(self, x):
        x = self.linear(x)
        return x

model = MyModel().to(device)

在上面的示例中，我们首先在 CPU 上创建了一个张量 `x`，然后使用 `to` 方法将它转移到 GPU 上。我们还使用 `torch.cuda.is_available()` 函数来判断当前设备是否支持 GPU 计算。接着，我们定义了一个简单的线性模型 `MyModel`，并使用 `to` 方法将它移动到 GPU 上。这样，我们就可以在 GPU 上训练模型并进行计算，从而加速计算过程。