CPU, GPU o MPS: scelga il dispositivo
Rilevi CUDA o Apple MPS, con ripiego sulla CPU
CPU, GPU o MPS: scelga il dispositivo è una lezione Deep Learning Academy gratuita su CoddyKit. Questa è la lezione 2 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Deep Learning Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Deep Learning Academy include 4 lezioni in totale.
Dove avvengono i calcoli
Ogni tensore risiede su un device: la CPU, una GPU oppure MPS di Apple. Il device determina la velocità di addestramento del modello. ⚡
La CPU funziona sempre
La CPU è l’impostazione predefinita più sicura. Esegue ogni operazione di PyTorch, ma più lentamente nei pesanti calcoli matriciali richiesti dalle reti grandi.
La GPU è veloce
Una GPU esegue migliaia di moltiplicazioni in parallelo, risultando molto più veloce per il deep learning. PyTorch accede alle GPU NVIDIA tramite CUDA.
Apple Silicon ha MPS
Su un Mac con Apple Silicon, MPS utilizza la GPU integrata. È il percorso rapido per i chip della serie M, senza bisogno di hardware NVIDIA.
Rilevare CUDA
Chieda a PyTorch se è disponibile una GPU NVIDIA prima di utilizzarla. cuda.is_available restituisce True o False, così non dovrà mai dare per scontata la sua presenza.
torch.cuda.is_available()Rilevare MPS
Su un Mac, controlli allo stesso modo il backend di Apple. mps.is_available indica se la GPU della serie M è pronta per essere utilizzata.
torch.backends.mps.is_available()Scegliere il device migliore
Un approccio pulito prova prima CUDA, poi MPS e infine ricorre alla CPU. Questa stringa device si adatta a qualunque macchina esegua il Suo codice.
device = 'cuda' if torch.cuda.is_available() else 'cpu'Spostare un tensore
Invii i dati al dispositivo scelto con .to(device). I valori del tensore non cambiano, ma le operazioni vengono ora eseguite su quel dispositivo.
x = torch.tensor([1.0, 2.0]).to(device)Tenere tutto insieme
Il modello e i dati devono trovarsi sullo stesso dispositivo. Mescolare tensori della CPU e della GPU genera un errore di device mismatch durante il passaggio forward.
Controllare dove si trova un tensore
Non sa dove si trovano i dati? Legga l'attributo .device. Stampa cpu, cuda o mps, così può verificare la posizione a colpo d'occhio.
print(x.device)Quando usare ciascun dispositivo
Usi la GPU per l'addestramento vero e proprio e la CPU per test rapidi o dati di piccole dimensioni. Il dispositivo più veloce è quello effettivamente disponibile nel Suo hardware.
Verifica rapida
Scelga la chiamata corretta per un Mac con Apple Silicon.
Riepilogo
Ha imparato a rilevare CUDA, MPS o CPU, a scegliere il dispositivo migliore e a spostarvi i tensori. Stesso codice, hardware disponibile più veloce. 🚀
Impara Python con un tutor IA — gratis
Scrivi ed esegui vero codice nel tuo browser, ricevi aiuto istantaneo da un tutor IA disponibile 24/7, e riprendi da dove hai lasciato sul web o nell'app.
- Corsi
- 30
- Lezioni
- 120
Domande Frequenti
La lezione «CPU, GPU o MPS: scelga il dispositivo» è gratuita?
Sì — il testo completo di «CPU, GPU o MPS: scelga il dispositivo» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Deep Learning Academy, passa a CoddyKit PRO. Il corso Deep Learning Academy include 4 lezioni in totale.
Cosa imparerò in «CPU, GPU o MPS: scelga il dispositivo»?
Rilevi CUDA o Apple MPS, con ripiego sulla CPU Eserciti Deep Learning Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare Deep Learning Academy?
Non è richiesta alcuna esperienza precedente. Deep Learning Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 2 di 4.
Quanto tempo richiede la lezione «CPU, GPU o MPS: scelga il dispositivo»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione Deep Learning Academy?
Sì. Ogni lezione Deep Learning Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Installi PyTorch e verifichi l'importazione
- CPU, GPU o MPS: scelga il dispositivo
- Notebook, script e seed riproducibili
- Il Suo primo torch.tensor