问Model.to(设备)和model=model.to(设备)有什么区别？

EN

没有语义上的区别。nn.Module.to函数将模型移动到设备。

但要小心。

对于张量(documentation)：

# tensor a is in CPU
device = torch.device('cuda:0')
b = a.to(device)
# a is still in CPU!
# b is in GPU!
# a and b are different 

对于型号(documentation)：

# model a is in CPU
device = torch.device('cuda:0')
b = a.to(device)
# a and b are in GPU
# a and b point to the same model 

引用to上的文档：

当在图形处理器上加载经过训练和保存的模型时，只需使用model.to(torch.device('cuda'))将初始化的模型转换为

优化模型。此外，请确保对所有模型输入使用.to(torch.device('cuda'))函数，以便为模型准备数据。注意，调用my_tensor.to(device)会在GPU上返回一个新的my_tensor副本。它不会覆盖my_tensor。因此，请记住手动重写张量：my_tensor = my_tensor.to(torch.device('cuda'))。

大多数情况下，在torch.nn.Module上使用to时，是否保存返回值并不重要，作为一种微优化，实际上最好不要保存返回值。当在torch张量上使用时，您必须保存返回值-因为您实际上正在接收张量的副本。

参考：Pytorch to()