提高PyTorch LeNet模型GPU占用率的技巧

可以使用以下方法提高GPU占用：

将模型和数据移动到GPU上：在训练开始前，使用'model.to(device)'和'data.to(device)'将模型和数据分别移动到GPU上，其中'device'为'torch.device("cuda")'。
增加batch size：增加批处理大小可以提高GPU占用，因为GPU可以一次性处理更多的数据。
使用更高效的优化器：使用Adam等更高效的优化器可以提高GPU占用，因为它们可以更快地收敛。
减少模型参数数量：减少模型参数数量可以提高GPU占用，因为GPU可以更快地计算较小的模型。
使用半精度浮点数：使用半精度浮点数可以提高GPU占用，因为它们可以在相同时间内处理更多的数据。可以使用'torch.cuda.amp'自动混合精度工具来实现。