1 安装NVIDIA显卡驱动程序和CUDA工具包,并根据所用PyTorch版本选择对应的CUDA工具包版本。
2 安装cuDNN加速库和PyTorch等深度学习框架,并检查是否正确安装。
3 配置Python环境变量,并将所需依赖库导入到Python环境中。
4 在代码中添加相应的GPU使用语句,如`device=torchdevice('cuda')`,以使用GPU进行计算。
总之,在使用JSON开发板进行PyTorch开发时应当注意GPU环境的配置和使用方法,以充分利用GPU进行高效的深度学习计算。先在CPU中生成了随机数。linux跑pytorch因为先在CPU中生成了随机数。在使用pytorch的过程中,发现CPU占用率过高。经过检查,发现是因为先在CPU中生成了随机数,然后再调用to(device)传到GPU。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)