加快Python算法的四个方法(一)PyTorch
立即下载
WL
2025-05-11
设备
Py
获取
Torch
thon
cuda
算法
pycuda
开发
检查
316.6 KB
CDA 数据分析师 (CDA.cn)——真本事，心舒适
加快 Python 算法的四个方法（一） PyTorch
相信大家在做一些算法经常会被庞大的数据量所造成的超多计算量需要的时间而折磨的痛苦不
已，接下来我们围绕四个方法来帮助大家加快一下 Python 的计算时间，减少大家在算法上的
等待时间。下面为大家讲述有关 PyTorch 的内容。
1.介绍
在 PyTorch 模块中，我将展示如何使用 torch 和检查、初始化 GPU 设备 pycuda ，以及如何使
算法更快。
PyTorch 是建立在 torch 的机器学习库。它得到了 Facebook AI 研究小组的支持。在最近开
发之后，由于它的简单性，动态图形以及它本质上是 Python ，它在被开发出来之后变得非常
流行。它的速度仍然没有落后，在很多情况下可以说是表现的非常好的。
pycuda 允许你从 python 访问 Nvidia 的 CUDA 并行计算 API。
2.如何检查 cuda 的可用性？
要检查是否有 cuda 可用的设备 Torch ，可以简单地运行一下下面的代码：
CDA 数据分析师 (CDA.cn)——真本事，心舒适
import torch
torch.cuda.is_available()
# True
3.如何获取有关你的 cuda 设备的更多信息？
要获取设备的基本信息，可以使用 torch.cuda 。但是，要获取有关设备的更多信息，可以使用
pycuda ，这是一个围绕 CUDA 库开发的 python 包装器。你可以使用：
import torch
import pycuda.driver as cuda
cuda.init()
##获取默认设备的 Id
torch.cuda.current_device()
# 0
cuda.Device( 0).name() # '0' 是你的 GPU 的 id
# Tesla K80
或者你可以这么用：
torch.cuda.get_device_name （0）＃获取 ID 为 '0'的名称设备
＃ 'Tesla K80'
我编写了一个简单的类来获取有关 cuda 兼容 GPU 的信息：
#一个简单的类来了解你的 cuda 设备
import pycuda
设备/Py/获取/Torch/thon/cuda/算法/pycuda/开发/检查/
设备/Py/获取/Torch/thon/cuda/算法/pycuda/开发/检查/
-->
