让代码运行在GPU上

前提Windows系统需要有独显1: 【推荐】创建新的虚拟环境进行操作conda create -n XMM_cuda python3.102: 进入虚拟环境conda activate XMM_cuda3: 去黑窗口查看你本机的CUDA版本。【推荐】先升级英伟达。【操作截图见下面】nvidia-smi4: 去Pytorch官网找到对应你cuda版本的下载命令【截图见下面】官网地址: https://pytorch.org5: 安装对应版本的cuda。安装命令pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu130pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu1266: 在PyCharm中关联新的沙箱, 运行下边的代码测试即可.7: 如果不OK,大概率是 显卡驱动(Cuda版本) 和 你的PyTorch版本不兼容, 建议: 直接更新驱动.8: 要安装的其他包一个一个安装即可pip install jieba -i https://pypi.tuna.tsinghua.edu.cn/simple/pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple/pip install joblib -i https://pypi.tuna.tsinghua.edu.cn/simple/pip install fasttext-wheel -i https://pypi.tuna.tsinghua.edu.cn/simple/pip install seaborn -i https://pypi.tuna.tsinghua.edu.cn/simple/pip install matplotlib3.8.4 -i https://pypi.tuna.tsinghua.edu.cn/simple/pip install tqdm -i https://pypi.tuna.tsinghua.edu.cn/simple/9.代码--设置设备使用GPU运行代码import torch# 设备选择我们可以选择在cuda或者cpu上运行你的代码device torch.device(cuda if torch.cuda.is_available() else cpu)# 如果是Mac M芯片, 写这个# device mpsprint(fdevice: {device})