用vscode使用pytorch出现的问题

vscode中使用pytorch，终端中显示GPU版torch可用，编译器输出False。

请问这是为什么，怎么解决

• 这篇博客: 动手学深度学习V2.0(Pytorch)——31. 深度学习硬件：CPU 和 GPU中的 w.grad就会消失（梯度参数变为false）。这是为什么呢？在torch.nograd下执行的 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• 是一个程序问题，和python新建变量的机制有关。

  • 使用w-=，是一直对w进行本地操作
  • 而使用w=w-lr*w.grad，其实是等式右边进行计算，然后赋值给一个新的w，所以新的那个w就是一个普通的Tensor，而不是parameter，没有.grad属性，所以是False

  一直记得好像在哪里看到过这个公式更新，后来找了一下，发现是在：

  • 第8节：线性回归，
  • 我记录的文章位于：动手学深度学习V2.0(Pytorch)——8.线性回归，点击目录里的基础优化方法-梯度下降
    
    PPT里确实是这个公式，可能是有点误导性质
  • 我记录的代码位于github的一个jupyter文件，点击这里
  • 如果打不开，可以去看教材文档对应章节，点击这里
    

  验证代码如下（使用的就是线性回归从头实现的代码，进行以下简单改动即可）：

  # 定义优化算法
  def sgd(params,lr,batch_size):
      with torch.no_grad():
          for param in params:
              print(f"更新前param的id为：{id(param)}")
              param-=lr*param.grad/batch_size
              print(f"更新后param的id为：{id(param)}")
              break  # 添加break，只查看一个参数内存地址变化情况
  # 训练
  lr=2
  num_epoches=1
  net=linreg
  loss=squared_loss
  
  for epoch in range(num_epoches):
      for X,y in data_iter(batch_size,features,labels):
          l=loss(net(X,w,b),y)
          l.sum().backward()    
          sgd([w,b],lr,batch_size)
          break  # 添加break，只查看更新一次的情况
  > 更新前param的id为：140308589009168
  更新后param的id为：140308589009168
  
  # 将梯度公式进行修改，改为不使用自增自减的，再运行，结果如下：
  > 更新前param的id为：140308589009168
  更新后param的id为：140308644360432
  

  
  所以，确实可以说明，自增自减运算是本地操作，赋值运算会新建一个Tensor（没有grad的那种）

  ---

  更进一步，如果说w=w-xxx会创建一个没有grad的tensor(可以打印一下更新前后param的type，新建的确实是Tensor，而不是普通的变量)，那说明pytorch对这个=进行了重载。找找源代码

  • 没找到/因为看不懂，但是确实从结果可以知道是重载了，所以 赋值运算符 才会新建一个 Tensor变量，
  • 参考：PyTorch的初始化
  • 感觉上实现应该在：这个文件，点击这里，可惜是cpp的，看起来太费劲了

  ---