如何降低PyTorch随机数生成导致的CPU占用过高问题？

本文共计304个文字，预计阅读时间需要2分钟。

在PyTorch使用过程中，若发现CPU占用过高，可能是由于随机数生成导致的。检查发现，先在CPU中生成随机数，然后调用.to(device)将其传输到GPU，这样会导致效率降低。

PyTorch 随机数生成占用 CPU 过高的问题

今天在使用 pytorch 的过程中，发现 CPU 占用率过高。经过检查，发现是因为先在 CPU 中生成了随机数，然后再调用.to(device)传到 GPU，这样导致效率变得很低，并且CPU 和 GPU 都被消耗。

查阅PyTorch文档后发现，torch.randn(shape, out)可以直接在GPU中生成随机数，只要shape是tensor.cuda.Tensor类型即可。这样，就可以避免在 CPU 中生成过大的矩阵，而 shape 变量是很小的。

因此，下面的代码就可以进行这种操作了。

noise = torch.cuda.FloatTensor(shape) if torch.cuda.is_available() else torch.FloatTensor(shape) torch.randn(shape, out=noise)

以上这篇PyTorch 随机数生成占用 CPU 过高的解决方法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。