我该如何检查PyTorch是否正在使用GPU？nvidia-smi命令可以检测GPU活动，但我想直接从Python脚本内部进行检查。

我该如何在PyTorch中保存已训练的模型？ 我已经阅读到： torch.save()/torch.load() 用于保存/加载可序列化对象。 model.state_dict()/model.load_state_dict() 用于保存/加载模型状态。

在训练期间为什么需要调用zero_grad()？| zero_grad(self) | Sets gradients of all model parameters to zero.

.view() 方法对一个张量 x 做什么？负数值代表什么意思？x = x.view(-1, 16 * 5 * 5)

在 PyTorch 中如何像 Keras 的 model.summary() 一样打印模型的概要信息：Model Summary: _________________________________________________________________________________...

如何通过He或Xavier初始化来初始化网络的权重和偏置？

何时应该使用.eval()？我知道这个函数可以让我“评估模型”。但我如何在训练时将其关闭？ 下面是一个使用.eval()的示例代码。

在numpy中，我们使用ndarray.reshape()来重新整形一个数组。 我注意到在pytorch中，人们使用torch.view(...)来完成相同的功能，但同时也存在一个torch.reshape(...)。 因此，我想知道它们之间的区别以及何时应该使用它们中的任意一个？

在nn.Module中是否调用forward()？ 我认为当我们调用模型时，forward方法正在被使用。 那我们为什么需要指定train()呢？

x.contiguous() 对于张量 x 做什么？