CPU vs GPU vs MPS: Pilih Perangkat
Deteksi CUDA, Apple MPS, atau gunakan CPU sebagai cadangan
CPU vs GPU vs MPS: Pilih Perangkat adalah pelajaran Deep Learning Academy gratis di CoddyKit. Ini adalah pelajaran 2 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Deep Learning Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Deep Learning Academy mencakup 4 pelajaran total.
Tempat Matematika Berlangsung
Setiap tensor berada pada sebuah perangkat: CPU, GPU, atau MPS milik Apple. Perangkat tersebut menentukan seberapa cepat model Anda dilatih. ⚡
CPU Selalu Berfungsi
CPU Anda adalah pilihan bawaan yang aman. CPU menjalankan setiap operasi PyTorch, hanya saja lebih lambat untuk perhitungan matriks berat yang dibutuhkan jaringan besar.
GPU Melaju Cepat
GPU melakukan ribuan perkalian secara paralel, sehingga jauh lebih cepat untuk pembelajaran mendalam. PyTorch mengakses GPU NVIDIA melalui CUDA.
Apple Silicon Memiliki MPS
Pada Mac dengan Apple Silicon, MPS memanfaatkan GPU bawaan. MPS adalah jalur cepat untuk chip seri M tanpa perangkat keras NVIDIA.
Mendeteksi CUDA
Tanyakan kepada PyTorch apakah GPU NVIDIA tersedia sebelum menggunakannya. cuda.is_available mengembalikan True atau False sehingga Anda tidak perlu berasumsi.
torch.cuda.is_available()Mendeteksi MPS
Pada Mac, periksa backend Apple dengan cara yang sama. mps.is_available memberi tahu Anda apakah GPU seri M siap digunakan.
torch.backends.mps.is_available()Pilih Perangkat Terbaik
Pola yang rapi mencoba CUDA terlebih dahulu, lalu MPS, kemudian menggunakan CPU sebagai pilihan terakhir. String perangkat ini menyesuaikan diri dengan mesin apa pun yang menjalankan kode Anda.
device = 'cuda' if torch.cuda.is_available() else 'cpu'Pindahkan Tensor
Kirim data ke perangkat yang dipilih dengan .to(device). Angka-angka dalam tensor tetap sama, tetapi perhitungannya kini berjalan di perangkat tersebut.
x = torch.tensor([1.0, 2.0]).to(device)Satukan Semuanya
Model dan data Anda harus menggunakan satu perangkat yang sama. Mencampur tensor CPU dan GPU akan menimbulkan galat ketidakcocokan perangkat selama lintasan maju.
Periksa Tempat Tensor Berada
Tidak yakin data berada di mana? Baca atribut .perangkat. Atribut ini menampilkan cpu, cuda, atau mps sehingga Anda dapat langsung memastikan penempatannya.
print(x.device)Kapan Menggunakan yang Mana
Gunakan GPU untuk pelatihan sungguhan, dan CPU untuk pengujian cepat atau data kecil. Perangkat tercepat adalah perangkat yang benar-benar tersedia pada perangkat keras Anda.
Pemeriksaan Cepat
Pilih pemanggilan yang tepat untuk Mac dengan Apple Silicon.
Ringkasan
Anda telah belajar mendeteksi CUDA, MPS, atau CPU, memilih yang terbaik, lalu memindahkan tensor ke sana. Kode yang sama, perangkat keras tercepat yang tersedia. 🚀
Belajar Python dengan tutor AI — gratis
Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.
- Kursus
- 30
- Pelajaran
- 120
Pertanyaan yang Sering Diajukan
Apakah pelajaran “CPU vs GPU vs MPS: Pilih Perangkat” gratis?
Ya — teks lengkap “CPU vs GPU vs MPS: Pilih Perangkat” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Deep Learning Academy, upgrade ke CoddyKit PRO. Kursus Deep Learning Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “CPU vs GPU vs MPS: Pilih Perangkat”?
Deteksi CUDA, Apple MPS, atau gunakan CPU sebagai cadangan Kamu berlatih Deep Learning Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai Deep Learning Academy?
Tidak diperlukan pengalaman sebelumnya. Deep Learning Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 2 dari 4.
Berapa lama pelajaran “CPU vs GPU vs MPS: Pilih Perangkat” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran Deep Learning Academy ini?
Ya. Setiap pelajaran Deep Learning Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Pasang PyTorch dan Verifikasi Impornya
- CPU vs GPU vs MPS: Pilih Perangkat
- Notebook, Skrip, dan Seed yang Dapat Direproduksi
- torch.tensor Pertama Anda