循环会降低GPU的利用率吗？

问题描述

在PyTorch中，我的DeepLearning管道的前部有一个循环，以标准化中间结果。

它将在CPU上运行并降低GPU的利用率吗？

一些摘要如下：

def forward(self):
    ...
    for b in range(batch_size):
        self.points[b] = self.unit_cube(self.points[b])
    ....

解决方法

在Pytorch中，是否在GPU或CPU上进行操作取决于数据的位置。 Pytorch的主要卖点之一是，您（通常）不必关心数据在哪里；界面是相同的。

如果张量数据在GPU上，则该操作在GPU上完成。如果在CPU上，则该操作在CPU上完成。您选择如何组织这些操作（if，for loop等）对此没有影响。

>>> import torch
>>> a = torch.randn(3,4,5)
>>> b = a.cuda()
>>> a.device
device(type='cpu')
>>> b.device
device(type='cuda',index=0)
>>> c = b
>>> for x in range(10):
...   c = c * 2
... 
>>> c.device
device(type='cuda',index=0)

在上面的示例中，我使用了for循环将b翻倍10次，并将结果存储在c中。这些都是在GPU上完成的，而我同样可以在a上完成，使其在CPU上实现。