CPU बनाम GPU बनाम MPS: डिवाइस चुनें
CUDA, Apple MPS का पता लगाएँ या CPU पर वापस जाएँ
CPU बनाम GPU बनाम MPS: डिवाइस चुनें, CoddyKit पर Deep Learning Academy का एक निःशुल्क पाठ है। यह 4 में से 2वाँ पाठ है। आप नीचे पूरा पाठ निःशुल्क पढ़ सकते हैं—फिर अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर के साथ ब्राउज़र में इसका व्यावहारिक अभ्यास कर सकते हैं। यह Deep Learning Academy सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। Deep Learning Academy पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
गणना कहाँ होती है
हर टेन्सर किसी उपकरण पर रहता है: CPU, GPU या Apple का MPS। उपकरण तय करता है कि आपका मॉडल कितनी तेज़ी से प्रशिक्षित होगा। ⚡
CPU हमेशा काम करता है
आपका CPU सुरक्षित डिफ़ॉल्ट है। यह हर PyTorch प्रक्रिया चला सकता है, बस बड़े नेटवर्कों की भारी मैट्रिक्स गणना में थोड़ा धीमा होता है।
GPU तेज़ चलता है
GPU हज़ारों गुणा-क्रियाएँ समानांतर रूप से करता है, जिससे डीप लर्निंग बहुत तेज़ हो जाती है। PyTorch, CUDA के माध्यम से NVIDIA GPU तक पहुँचता है।
Apple Silicon में MPS है
Apple Silicon वाले Mac पर MPS अंतर्निर्मित GPU का उपयोग करता है। NVIDIA हार्डवेयर के बिना M-शृंखला चिपों के लिए यही तेज़ तरीका है।
CUDA का पता लगाएँ
किसी NVIDIA GPU का उपयोग करने से पहले PyTorch से पूछ लें कि वह उपलब्ध है या नहीं। cuda.is_available True या False लौटाता है, इसलिए आपको अनुमान नहीं लगाना पड़ता।
torch.cuda.is_available()MPS का पता लगाएँ
Mac पर Apple बैकएंड की भी इसी तरह जाँच करें। mps.is_available बताता है कि M-शृंखला का GPU उपयोग के लिए तैयार है या नहीं।
torch.backends.mps.is_available()सबसे अच्छा उपकरण चुनें
एक साफ़ तरीका पहले CUDA, फिर MPS आज़माता है और अंत में CPU पर लौटता है। यह डिवाइस स्ट्रिंग आपके कोड को चलाने वाली मशीन के अनुसार अपने-आप ढल जाती है।
device = 'cuda' if torch.cuda.is_available() else 'cpu'Tensor को स्थानांतरित करें
.to(device) से डेटा को चुने गए डिवाइस पर भेजें। Tensor के अंक नहीं बदलते, लेकिन अब इसकी गणनाएँ वहीं चलती हैं।
x = torch.tensor([1.0, 2.0]).to(device)सब कुछ एक साथ रखें
आपके मॉडल और डेटा का एक ही डिवाइस पर होना आवश्यक है। CPU और GPU tensors को मिलाने पर forward pass के दौरान डिवाइस मेल न खाने की त्रुटि आती है।
जाँचें कि Tensor कहाँ मौजूद है
क्या आपको पता नहीं कि डेटा कहाँ है? .device विशेषता पढ़ें। यह cpu, cuda या mps दिखाती है, जिससे आप तुरंत स्थान की पुष्टि कर सकते हैं।
print(x.device)किसका उपयोग कब करें
वास्तविक प्रशिक्षण के लिए GPU और त्वरित परीक्षणों या छोटे डेटा के लिए CPU का उपयोग करें। सबसे तेज़ डिवाइस वही है जो आपके हार्डवेयर में वास्तव में मौजूद हो।
त्वरित जाँच
Apple Silicon वाले Mac के लिए सही कॉल चुनें।
पुनरावलोकन
आपने CUDA, MPS या CPU का पता लगाना, सबसे अच्छा विकल्प चुनना और tensors को वहाँ स्थानांतरित करना सीखा। वही कोड, उपलब्ध सबसे तेज़ हार्डवेयर। 🚀
एआई शिक्षक के साथ Python सीखें — निःशुल्क
अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।
- पाठ्यक्रम
- 30
- पाठ
- 120
अक्सर पूछे जाने वाले प्रश्न
क्या “CPU बनाम GPU बनाम MPS: डिवाइस चुनें” पाठ निःशुल्क है?
हाँ—“CPU बनाम GPU बनाम MPS: डिवाइस चुनें” का पूरा पाठ यहाँ वेब पर निःशुल्क पढ़ा जा सकता है। इंटरैक्टिव अभ्यास (अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर) करने और Deep Learning Academy पाठ्यक्रम का बाकी हिस्सा अनलॉक करने के लिए CoddyKit PRO लें। Deep Learning Academy पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
“CPU बनाम GPU बनाम MPS: डिवाइस चुनें” में मैं क्या सीखूँगा?
CUDA, Apple MPS का पता लगाएँ या CPU पर वापस जाएँ आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ Deep Learning Academy का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।
क्या Deep Learning Academy शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?
पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर Deep Learning Academy शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 4 में से 2वाँ पाठ है।
“CPU बनाम GPU बनाम MPS: डिवाइस चुनें” पाठ पूरा करने में कितना समय लगता है?
CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।
क्या मैं इस Deep Learning Academy पाठ में कोड लिख और चला सकता हूँ?
हाँ। हर Deep Learning Academy पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।
इस पाठ्यक्रम के सभी पाठ
- PyTorch इंस्टॉल करें और उसके इम्पोर्ट की जाँच करें
- CPU बनाम GPU बनाम MPS: डिवाइस चुनें
- नोटबुक, स्क्रिप्ट और दोहराए जा सकने वाले सीड
- आपका पहला torch.tensor