在Google Colab中迁移Tensor至CUDA GPU失败的问题排查

核心错误点 #

PyTorch的cuda()方法不会原地修改原张量——它会生成并返回一个迁移到GPU的新张量实例。你之前仅调用X_digits_train.cuda()却未将返回值重新赋值给原变量，因此原张量始终保留在CPU上，is_cuda自然返回False。

正确实现方式 #

方式1：重新赋值迁移后的张量 #

把cuda()或to()方法返回的新张量重新赋值给原变量：

# 直接用cuda()方法
X_digits_train = X_digits_train.cuda()

# 或者用你定义的device变量，适配CPU/GPU切换场景
X_digits_train = X_digits_train.to(device)

方式2：创建张量时直接指定设备 #

如果从numpy数组转张量时就想直接放到GPU，可以在创建阶段指定device参数：

X_digits_train = torch.tensor(X_digits_train, dtype=torch.float32, device=device)

验证修改结果 #

执行上述操作后，再次检查设备状态：

print(X_digits_train.is_cuda)  # 输出True
print(X_digits_train.device)   # 输出cuda设备信息（如cuda:0）

内容的提问来源于stack exchange，提问作者Charles W