CPU ou GPU ou MPS : choisissez un appareil
Détectez CUDA ou Apple MPS, ou revenez au CPU.
CPU ou GPU ou MPS : choisissez un appareil est une leçon Deep Learning Academy gratuite sur CoddyKit. Ceci est la leçon 2 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Deep Learning Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Deep Learning Academy comprend 4 leçons au total.
L’endroit où s’effectuent les calculs
Chaque tenseur vit sur un périphérique : le CPU, un GPU ou le MPS d’Apple. Le périphérique détermine la vitesse d’entraînement de votre modèle. ⚡
Le CPU fonctionne toujours
Votre CPU est la valeur par défaut sûre. Il exécute toutes les opérations PyTorch, mais plus lentement pour les calculs matriciels lourds exigés par les grands réseaux.
Le GPU accélère les calculs
Un GPU effectue des milliers de multiplications en parallèle, ce qui le rend beaucoup plus rapide pour l’apprentissage profond. PyTorch accède aux GPU NVIDIA grâce à CUDA.
Les puces Apple disposent de MPS
Sur un Mac équipé d’une puce Apple Silicon, MPS utilise le GPU intégré. C’est la solution rapide pour les puces de la série M, sans matériel NVIDIA.
Détecter CUDA
Demandez à PyTorch si un GPU NVIDIA est disponible avant d’en utiliser un. cuda.is_available renvoie True ou False, afin que vous n’ayez jamais à le supposer.
torch.cuda.is_available()Détecter MPS
Sur un Mac, vérifiez le système Apple de la même manière. mps.is_available vous indique si le GPU de la série M est prêt à être utilisé.
torch.backends.mps.is_available()Choisir le meilleur périphérique
Un modèle propre essaie d’abord CUDA, puis MPS, avant de se rabattre sur le CPU. Cette chaîne device s’adapte à la machine qui exécute votre code.
device = 'cuda' if torch.cuda.is_available() else 'cpu'Déplacer un tenseur
Envoyez les données vers le périphérique choisi avec .to(device). Les nombres du tenseur restent inchangés, mais les calculs s’exécutent désormais sur ce périphérique.
x = torch.tensor([1.0, 2.0]).to(device)Tout garder ensemble
Votre modèle et vos données doivent utiliser le même périphérique. Mélanger des tenseurs du CPU et du GPU provoque une erreur de mismatch de périphérique pendant la propagation avant.
Vérifier où se trouve un tenseur
Vous ne savez pas où se trouvent les données ? Lisez l’attribut .device. Il affiche cpu, cuda ou mps afin que vous puissiez vérifier l’emplacement d’un coup d’œil.
print(x.device)Quand utiliser lequel
Utilisez le GPU pour les véritables entraînements et le CPU pour les tests rapides ou les petits jeux de données. Le périphérique le plus rapide est celui dont votre matériel dispose réellement.
Vérification rapide
Choisissez l’appel adapté à un Mac équipé d’une puce Apple.
Récapitulatif
Vous avez appris à détecter CUDA, MPS ou le CPU, à choisir le meilleur périphérique et à y déplacer les tenseurs. Le même code exploite le matériel le plus rapide disponible. 🚀
Apprends Python avec un tuteur IA — gratuit
Écris et exécute du vrai code dans ton navigateur, obtiens de l'aide instantanée d'un tuteur IA disponible 24h/24, et reprends là où tu t'es arrêté sur le web ou dans l'app.
- Cours
- 30
- Leçons
- 120
Questions Fréquemment Posées
La leçon « CPU ou GPU ou MPS : choisissez un appareil » est-elle gratuite ?
Oui — le texte complet de « CPU ou GPU ou MPS : choisissez un appareil » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Deep Learning Academy, passe à CoddyKit PRO. Le cours Deep Learning Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « CPU ou GPU ou MPS : choisissez un appareil » ?
Détectez CUDA ou Apple MPS, ou revenez au CPU. Tu pratiques Deep Learning Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer Deep Learning Academy ?
Aucune expérience préalable n'est requise. Deep Learning Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 2 sur 4.
Combien de temps prend la leçon « CPU ou GPU ou MPS : choisissez un appareil » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon Deep Learning Academy ?
Oui. Chaque leçon Deep Learning Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Installer PyTorch et vérifier son importation
- CPU ou GPU ou MPS : choisissez un appareil
- Notebooks, scripts et graines reproductibles
- Votre premier torch.tensor