PyTorch: ขณะโหลดข้อมูลแบบแบตช์โดยใช้ Dataloader วิธีถ่ายโอนข้อมูลไปยัง GPU โดยอัตโนมัติ

หากเราใช้คลาส Dataset และ Dataloader รวมกัน (ดังที่แสดงด้านล่าง) ฉันจะต้องโหลดข้อมูลลงใน GPU อย่างชัดเจนโดยใช้ .to() หรือ .cuda() มีวิธีสั่งให้ dataloader ทำโดยอัตโนมัติ/โดยปริยายหรือไม่?

รหัสเพื่อทำความเข้าใจ/สร้างสถานการณ์จำลอง:

from torch.utils.data import Dataset, DataLoader
import numpy as np

class DemoData(Dataset):
    def __init__(self, limit):
        super(DemoData, self).__init__()
        self.data = np.arange(limit)

    def __len__(self):
        return self.data.shape[0]

    def __getitem__(self, idx):
        return (self.data[idx], self.data[idx]*100)

demo = DemoData(100)

loader = DataLoader(demo, batch_size=50, shuffle=True)

for i, (i1, i2) in enumerate(loader):
    print('Batch Index: {}'.format(i))
    print('Shape of data item 1: {}; shape of data item 2: {}'.format(i1.shape, i2.shape))
    # i1, i2 = i1.to('cuda:0'), i2.to('cuda:0')
    print('Device of data item 1: {}; device of data item 2: {}\n'.format(i1.device, i2.device))

ซึ่งจะแสดงผลดังนี้ หมายเหตุ - หากไม่มีคำแนะนำในการถ่ายโอนอุปกรณ์ที่ชัดเจน ข้อมูลจะถูกโหลดไปยัง CPU:

Batch Index: 0
Shape of data item 1: torch.Size([50]); shape of data item 2: torch.Size([50])
Device of data item 1: cpu; device of data item 2: cpu

Batch Index: 1
Shape of data item 1: torch.Size([50]); shape of data item 2: torch.Size([50])
Device of data item 1: cpu; device of data item 2: cpu

วิธีแก้ไขที่เป็นไปได้อยู่ที่ repo PyTorch GitHub นี้ ปัญหา(ยังคงเปิดอยู่ในเวลาที่โพสต์คำถามนี้) แต่ฉันไม่สามารถทำให้มันทำงานได้เมื่อตัวโหลดข้อมูลต้องส่งคืนรายการข้อมูลหลายรายการ!