# ----------- 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
