2.1.7 使用GPU加速

在PyTorch中，如何将模型运行在GPU（图形处理器）上呢？就像把Tensor转移到GPU上一样，我们只需要把神经网络模块也转移到GPU上即可。具体做法是，如果GPU能用，表示CUDA （一种并行计算机平台和编程模型，它通过利用图形处理器GPU的处理能力，可大幅提升计算性能）可用，则取得CUDA的设备标识。

输出结果如下：

接着使用下面的命令将神经网络模块移到CUDA设备上，方法to会递归遍历网络中的所有模块，并将它们的参数（parameters）和缓存（buffers）转换为CUDA张量。

需要注意的是，当神经网络移到CUDA设备后，输入到网络中的张量也需要先移到CUDA设备上。因为PyTorch只能在同一个设备上做矩阵操作。

不过对于本节所定义的网络，因为其太小，所以使用GPU加速的效果可能不太明显。