如何用PyTorch在CPU上加载并执行模型运算？
- 内容介绍
- 文章标签
- 相关推荐
本文共计141个文字，预计阅读时间需要1分钟。
当没有GPU或CUDA支持时，将加载的模型转移到CPU上进行计算的方法如下：
将代码 `model=torch.load(path, map_location=lambda storage, loc: storage.cuda(device))` 修改为 `model=torch.load(path, map_location='cpu')`，然后删除所有 `.cuda()` 方法调用。
没gpu没cuda支持的时候加载模型到cpu上计算
将
model = torch.load(path, map_location=lambda storage, loc: storage.cuda(device))
改为
model = torch.load(path, map_location='cpu')
然后删掉所有变量后面的.cuda()方法
以上这篇PyTorch使用cpu加载模型运算方式就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持易盾网络。
本文共计141个文字，预计阅读时间需要1分钟。
当没有GPU或CUDA支持时，将加载的模型转移到CPU上进行计算的方法如下：
将代码 `model=torch.load(path, map_location=lambda storage, loc: storage.cuda(device))` 修改为 `model=torch.load(path, map_location='cpu')`，然后删除所有 `.cuda()` 方法调用。
没gpu没cuda支持的时候加载模型到cpu上计算
将
model = torch.load(path, map_location=lambda storage, loc: storage.cuda(device))
改为
model = torch.load(path, map_location='cpu')
然后删掉所有变量后面的.cuda()方法
以上这篇PyTorch使用cpu加载模型运算方式就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持易盾网络。