paddle paddle 中使用gpu训练

记录一下

使用paddle的device的get和set来获取和设置

import paddle
print(paddle.device.get_device())

如果有gpu的话运行结果如下：
获取设备
之后在代码开始位置按照设备名通过set_device()方法设置设备即可：

paddle.device.set_device('gpu:0') # 把get—device的结果直接复制进去
# 之后就可以正常运行其他内容，如
model = MNIST()
train(model)
# paddle # 深度学习
Logo
昇腾开源生态专区

昇腾计算产业是基于昇腾系列（HUAWEI Ascend）处理器和基础软件构建的全栈 AI计算基础设施、行业应用及服务，https://devpress.csdn.net/organization/setting/general/146749包括昇腾系列处理器、系列硬件、CANN、AI计算框架、应用使能、开发工具链、管理运维工具、行业应用及服务等全产业链

更多推荐

cover

GLM-4V-9B 视觉多模态模型本地部署教程【保姆级教程】

avatar 昇腾开源生态专区

大模型推理引擎vLLM(1): FlashAttention论文以及原理解析

大模型推理引擎vLLM(1): FlashAttention论文以及原理解析

avatar 昇腾开源生态专区

智能对话与全域信息检索架构：向量嵌入、重排序、文档解析及模型上下文协议的技术演进与深度实践

智能对话系统正从传统检索增强生成（RAG）向代理式检索架构演进，通过向量嵌入、重排序和文档解析技术构建动态知识连接。向量嵌入采用马特廖什卡表示学习实现维度灵活性，重排序模型通过交叉编码器提升语义精准度。文档解析技术如LayoutLM和Donut实现非结构化到结构化数据的转化。模型上下文协议（MCP）标准化了AI系统连接，而本地部署方案（vLLM/llama.cpp）优化了算力效率。未来趋势聚焦端到

avatar 昇腾开源生态专区