pytorch中对象或变量后面加上.cuda()函数的作用

使用Pytorch框架时，会看到某个对象或变量后面加上.cuda()，那么cuda()函数的作用是什么，.cuda()是PyTorch中的一个方法，可以将张量、模型转换为GPU可用的格式

在pytorch中，即使是有GPU的机器，它也不会自动使用GPU，而是需要在程序中显示指定。调用model.cuda()，可以将模型加载到GPU上去。这种方法不被提倡，而建议使用model.to(device)的方式，这样可以显示指定需要使用的计算资源，特别是有多个GPU的情况下。

如果两个数据之间需要进行运算，如X和Y，要么在数据后面都加上.cuda()，如X.cuda()和Y.cuda()，使数据在GPU上进行运算。要么使用另外一种方式，在数据后面都不加.cuda()，采用CPU运算。在进行高维特征运算时，使用GPU效率会比使用CPU效率高很多。如果一个数据加了cuda()而另一个数据没有加，在运算时，会造成类型不匹配而报错。因为GPU版本是torch.cuda.FloatTensor数据类型，CPU版本是torch.FloatTensor。