标签：gpu any log ase csdn 修改 optimize tps lin
可以动态的构建图
TensorFlow是静态的构建一张图后就不能修改
device=torch.device(‘cuda‘)
a=a.to(device)
b=b.to(device)
to=time.time()
c=torch.matmul(a,b)
t2=time.time()
print(a.device,t2-t0, c.norm(2))例子：
x=torch. tensor(1.)
a=torch. tensor(1., requires_grad=True)
b=torch. tensor(2., requires grod=True)
c=torch. tensor(3,, requires grad=True)
y=a**2*x+b*x+c
print(‘before:‘,a.grad, b.grad, c.grad)
grads=autograd. grad(y,[a,b,c])
print(‘after:‘, grads[0], grads[1], grads[2])自己的GPU为GTX 1060
cuda装9
cudnn装7.3
参考：
https://blog.csdn.net/u010618587/article/details/82940528
在anaconda环境下配置安装一个新的env，这个env包含pytorch
参考：https://blog.csdn.net/kan2281123066/article/details/93789303
file -》new project
选择配置好的conda env，这里勾选Make available to all projects
pytorch上面右键
4.测试：如果能import成功，说明配置pytorch成功，并测试一下版本之类东西
import torch
print(torch.__version__)
print(‘gpu‘,torch.cuda.is_available())
标签：gpu any log ase csdn 修改 optimize tps lin
原文地址：https://www.cnblogs.com/muche-moqi/p/12119397.html
