如何检查PyTorch模型是否在CUDA上？model.is_cuda()无法使用

嘿，我来帮你搞定这个小问题！你遇到的model.is_cuda()报错，本质是把属性当成方法来调用了——is_cuda是PyTorch模型的一个布尔属性，不是可执行的函数，所以不用加括号~

下面给你几种靠谱的方式，验证模型是否真的运行在CUDA上：

1. 直接检查is_cuda属性（最简便） #

去掉括号直接访问这个属性就行：

import torch
import torchvision

model = torchvision.models.resnet18()
model = model.to('cuda')  # 建议重新赋值，确保模型完全迁移到CUDA
print(model.is_cuda)  # 输出True=在CUDA上，False=在CPU上

2. 检查模型参数的设备 #

模型的所有参数都应该和模型在同一设备上，你可以随便取一个参数查看它的设备信息：

print(next(model.parameters()).device)
# 输出示例：device(type='cuda', index=0) → 确认在CUDA；若输出cpu则未迁移成功

3. 用测试张量验证 #

创建一个CUDA张量输入模型，看输出结果的设备是否匹配：

# 生成一个符合ResNet输入尺寸的CUDA张量
input_tensor = torch.randn(1, 3, 224, 224).to('cuda')
output = model(input_tensor)
print(output.device)  # 输出应该是cuda:0之类的CUDA设备标识

另外补充个小细节：调用model.to('cuda')时，虽然大部分情况下会原地修改模型参数的设备，但有些场景下（比如模型包含嵌套模块时），重新赋值给model会更稳妥，避免出现参数没完全迁移的情况。

内容的提问来源于stack exchange，提问作者prosti