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
版权声明:
本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。
我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com