GPU的使用
在定义模型时,如果没有特定的GPU设置,会使用 torch.nn.DataParallel
将模型并行化,充分利用多GPU的性能,这在加速训练上有显著影响。
model = torch.nn.DataParallel(model).cuda()
cudnn 的配置:
cudnn.benchmark = True
缺点:
加了之后论文不能复现
在定义模型时,如果没有特定的GPU设置,会使用 torch.nn.DataParallel
将模型并行化,充分利用多GPU的性能,这在加速训练上有显著影响。
model = torch.nn.DataParallel(model).cuda()
cudnn.benchmark = True
加了之后论文不能复现
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/333780.html
如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!