在 PyTorch 中，可以使用 GPU 来加速模型的训练和推理。在使用 GPU 前，需要确保已经正确地安装了 CUDA 和相应的 GPU 驱动程序。 要在 PyTorch 中将模型的计算移动到 GPU 上，可以使用 `.to()` 方法。例如，将模型移动到 GPU 上可以使用以下代码： ```python device = torch.device("cuda" if torch.cuda.is_available() else "cpu") model.to(device) ``` 这将根据可用的 GPU 设置 `device` 变量。如果没有可用的 GPU，它将使用 CPU。 在训练过程中，还需要将输入数据和目标数据移动到 GPU 上。可以使用 `.to(device)` 方法将它们转换到相应的设备。例如： ```python inputs, targets = inputs.to(device), targets.to(device) ``` 在 PyTorch 中，默认情况下，张量和模型都会被放置在 CPU 上。通过将它们移动到 GPU 上，可以利用 GPU 的并行计算能力来加速模型的运算。
