我的方法是这样的（pytorch 0.4以下）：

dtype = torch.cuda.float if torch.cuda.is_available() else torch.float
torch.zeros(2, 2, dtype=dtype)

***更新***pytorch 0.4：

device = torch.device("cuda" if use_cuda else "cpu")
model = MyRNN().to(device)

从PyTorch 0.4.0 Migration Guide。

PyTorch默认为CPU，除非您在模型上使用.cuda()方法和PyTorchTensor的torch.cuda.XTensor变体。

1.我的脚本使用的是CPU还是GPU？
“脚本”没有任何设备一致性。在哪里进行计算（CPU或GPU）取决于正在操作的特定Tensor。这取决于Tensor是如何创建的。
然而，torch.tensor函数创建Tensor的默认位置 * 设置为'cpu'：

torch.FloatTensor()         # CPU tensor
torch.cuda.FloatTensor()    # GPU tensor

torch.tensor(device='cpu')  # CPU tensor
torch.tensor(device='cuda') # GPU tensor

torch.tensor([1,2])         # CPU tensor  <--

2.如果是CPU，我应该怎么做才能让它在GPU上运行？
您可以使用以下命令change the default type每个新创建的torch.tensor：

# Approach 1
torch.set_default_tensor_type('torch.cuda.FloatTensor')

或者您可以手动将每个Tensor复制到GPU：

# Approach 2
device = "cuda" if torch.cuda.is_availble() else "cpu"

my_tensor = my_tensor.to(device)
my_model.to(device) # Operates in place for model parameters

3.如果是GPU，如果是torch.cuda.is_available() == False，该脚本会崩溃吗？
是的，在方法1中，脚本将崩溃并出现以下错误：

RuntimeError: No CUDA GPUs are available

在方法2中，它将简单地默认为CPU。
4.*******************
That depends.对于大多数常见的PyTorch神经网络训练场景，是的，速度将通过迁移到GPU来提高。
5.我知道将PyTorch代码从CPU移植到GPU，但这是旧的。这种情况在v0.4或即将到来的v1.0中会改变吗？
有多种方法可以将代码从CPU移植到GPU：

# Syntax 1
my_tensor = my_tensor.cuda()

# Syntax 2
device = 'cuda' if torch.cuda.is_available() else 'cpu'
my_tensor = my_tensor.to(device)

语法2通常用于允许通过改变一个变量在CPU和GPU之间切换。

如果torch.cuda.is_available == True存在以下情况，您应该编写代码以使其使用GPU处理：

if torch.cuda.is_available():
    model.cuda()
else:
    # Do Nothing. Run as CPU.

它将使用默认值。在制作模型之前，可以使用以下代码将默认GPU更改为1：

import torch as th
th.cuda.set_device(1)

我的脚本使用的是CPU还是GPU？
默认情况下，所有Tensor都在CPU上分配。
如果是CPU，我该怎么做才能让它在GPU上运行？我需要重写一切吗？
您可以使用set_default_device更改默认设备。
对于Nvidia GPU：

torch.set_default_device('cuda')

如果您有多个GPU，您可以选择一个特定的GPU：

torch.set_default_device('cuda:1')

对于CPU使用'cpu'

torch.set_default_device('cpu')

您可以通过创建一个简单的Tensor并获取其设备类型来检查默认设备：如果选择第一个GPU，torch.tensor([1.2, 3.4]).device将返回device(type='cuda', index=0)。
你也可以用device Package 你的代码：

with torch.device('cuda:0'):
    t = torch.tensor([1.2, 3.4])

在这种情况下，默认值将仅针对 Package 的代码进行更改。
如果使用GPU，如果torch.cuda.is_available（）== False，此脚本是否会崩溃？
torch.set_default_device和torch.device允许选择不存在的设备，但创建Tensor将失败并出现异常。