Python深度学习GPU加速核心是确保模型、数据、计算三者统一在CUDA设备上；需先验证GPU可用性，再手动迁移张量，配合混合精度、合理batch size及避免隐式CPU切换以提升效率。
Python深度学习训练用GPU加速，核心是让模型和数据跑在显卡上，而不是CPU。关键不是装对库，而是数据、模型、计算三者统一设备——都在cuda上，否则会报错或毫无加速效果。
确认GPU可用并正确初始化
先检查PyTorch或TensorFlow是否识别到NVIDIA显卡：
- PyTorch：运行
torch.cuda.is_available()，返回True才算成功；再用torch.cuda.device_count()看几块卡 - TensorFlow：调用
tf.config.list_physical_devices('GPU')，有输出设备列表才说明驱动、CUDA、cuDNN版本匹配 - 常见坑：CUDA版本和PyTorch/TensorFlow预编译版本不一致——务必去官网查对应关系，别直接
pip install torch
把模型和数据搬到GPU上
不是“开启加速开关”，而是手动迁移：
- PyTorch：模型用
model.to('cuda')，每批数据（x, y）也要x, y = x.to('cuda'), y.to('cuda') - TensorFlow/Keras：一般设
tf.device('/GPU:0')上下文，或确保tf.keras.Model构建时没强制指定CPU - 注意：验证集、测试集、loss计算、metric更新，只要涉及tensor运算，都得在同设备——混用CPU tensor和CUDA tensor会直接报错
用好批量大小（batch size）和混合精度
GPU显存有限，光搬上去不够，还得压榨效率：
立即学习“Python免费学习笔记（深入）”；
- 逐步增大
batch_size直到OOM（显存不足），这是最直接的加速方式——更大batch提升GPU利用率 - PyTorch加
torch.cuda.amp.autocast()+GradScaler，自动用float16算前向/反向，显存减半、速度提20%~50% - TensorFlow用
tf.keras.mixed_precision.set_global_policy('mixed_float16')，配合GPU支持（如A100/V100以上效果明显）
避免隐式CPU-GPU切换拖慢训练
有些操作看似简单，却偷偷把数据拉回CPU，打断GPU流水线：
- 别在训练循环里用
.numpy()、.item()、print(tensor)——这些强制同步并搬回CPU - 日志记录改用
tensor.detach().cpu().item()，且只在必要轮次做（比如每100步一次） - 数据加载器加
pin_memory=True+num_workers>0，让DataLoader提前把数据锁页并送入GPU显存附近，减少拷贝延迟
基本上就这些。GPU加速不是玄学，是设备管理+内存优化+计算调度的组合动作。调通第一步（能跑在cuda上），再逐项优化，效果立竿见影。
