为什么我在用torch.cuda.set_device(device)指定设备后还是在用cpu训练？

使用`torch.cuda.set_device(device)`方法可以设置在使用GPU设备时使用的默认设备。但是，这并不会自动将模型和数据移动到指定的设备上。要将模型和数据移动到GPU设备上，需要使用`.to(device)`方法将它们显式地移动到所需的设备上。

例如，以下代码会将模型和数据移动到指定设备上：

import torch

device = torch.device("cuda:0")
torch.cuda.set_device(device)

model = MyModel().to(device)
data = data.to(device)

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

for epoch in range(num_epochs):
    for inputs, targets in dataloader:
        inputs = inputs.to(device)
        targets = targets.to(device)

        optimizer.zero_grad()
        outputs = model(inputs)
        loss = criterion(outputs, targets)
        loss.backward()
        optimizer.step()

在这个例子中，首先使用`torch.device`创建一个设备对象，并使用`torch.cuda.set_device(device)`将默认设备设置为该设备。然后，将模型和数据移动到该设备上，以便在GPU上进行训练。注意，即使默认设备是GPU设备，也需要使用`.to(device)`方法将它们移动到该设备上。