PyTorch 模型训练：将模型转移到 GPU 或 CPU

上述代码段涉及将模型转移到可用的计算设备上进行训练，如GPU。下面对每一步进行详细解释：

1. 'device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')'： 通过使用torch.cuda.is_available()函数判断是否可用GPU，如果GPU可用，将设备设置为cuda，否则设置为cpu。这个操作可以确保在有GPU时，将模型和数据转移到GPU上进行加速计算。

2. 'model.to(device)'： 使用to方法将模型移动到指定的设备上（在此处是GPU或CPU）。这样，你可以利用GPU的并行计算能力来加速模型的训练过程。通过将模型移动到设备上，模型的所有参数和计算都将在设备上执行。

在训练过程中，将模型和数据移动到合适的设备上是非常重要的。如果你的计算设备具备GPU，并且PyTorch已正确安装和配置GPU支持，将模型和数据移动到GPU上可以大幅提升训练速度。如果无法使用GPU，可以将设备设置为CPU进行训练。

确保在训练之前，模型和数据都已经正确地移动到设备上，以便获得最佳的训练性能。