python - PyTorch:使用tensor.cuda()和tensor.to(torch.device (“cuda:0”)之间有什么区别

Question

使用PyTorch，向GPU发送张量时以下两种方法有什么区别(我真的不需要详细了解后端发生的事情，只想知道它们是否本质上都在做同一件事) :
方法1:

X = np.array([[1, 3, 2, 3], [2, 3, 5, 6], [1, 2, 3, 4]])
X = torch.DoubleTensor(X).cuda()

方法2:

X = np.array([[1, 3, 2, 3], [2, 3, 5, 6], [1, 2, 3, 4]])
X = torch.DoubleTensor(X)

device = torch.device("cuda:0")
X = X.to(device)

同样，在将上述两种方法应用于将模型发送至GPU时，上述两种方法是否存在任何差异(再次，实际上并不需要对后端发生的情况进行详细说明，只想知道它们是否本质上都在做这件事)。一样):
方法A:

gpumodel = model.cuda()

方法B:

device = torch.device("cuda:0")
gpumodel = model.to(device)

提前谢谢了!

Answer 1

两者之间没有区别。
pytorch的早期版本具有.cuda()和.cpu()方法，可将张量和模型从cpu移至gpu并移回gpu。但是，这使代码编写有些麻烦:

if cuda_available:
  x = x.cuda()
  model.cuda()
else:
  x = x.cpu()
  model.cpu()

后来的版本引入了 .to()，它基本上以一种优雅的方式处理了所有事情:

device = torch.device('cuda') if cuda_available else torch.device('cpu')
x = x.to(device)
model = model.to(device)