# ----------- 判断模型是在CPU还是GPU上 ---------------------- model = nn.LSTM(input_size=10, hidden_size=4, num_layers=1, batch_first=True) print(next(model.parameters()).device) # 输出：cpu model = model.cuda() print(next(model.parameters()).device) # 输出：cuda:0 model = model.cpu() print(next(model.parameters()).device) # 输出：cpu # ----------- 判断数据是在CPU还是GPU上 ---------------------- data = torch.ones([2, 3]) print(data.device) # 输出：cpu data = data.cuda() print(data.device) # 输出：cuda:0 data = data.cpu() print(data.device) # 输出：cpu

此外，用.is_cuda也可以判断模型和数据是否在GPU上，例如： data.is_cuda

模型和数据在GPU和CPU之间进行迁移的方法，更具体的可以参考： 把数据和模型迁移到GPU: .cuda()方法和.to(device)方法