深度学习训练中 GPU 利用率低，CPU 占用率高：如何解决？

用 gpu 训练模型时 cpu 占用率高：探究并解决

问题描述：

在训练深度学习模型时，虽然已确认 gpu 和 pytorch 版本正确，但 gpu 利用率却很低，而 cpu 利用率却很高。原因何在？

解决方案：

以下列举了几种可能原因和解决方案：

1. gpu 未正确配置

尝试运行以下代码检查 gpu 是否配置成功：

import torchprint(torch.cuda.is_available())

如果输出为 false，则表示 gpu 未配置好。

2. 未指定 cuda 设备

确保在代码中指定了要使用的 cuda 设备，例如：

import torchdevice = 'cuda:0' if torch.cuda.is_available() else 'cpu'

然后将模型移动到指定设备：

ResNet(......).to(device)

3. 代码自身问题

如果上述步骤无效，则可能是代码中有其他问题导致 cpu 占用率高，例如：

降低 cpu 占用率的建议：