以下是PyTorch在Linux上的加速方法：
device = torch.device("cuda")）。torch.cuda.amp減少顯存占用并加速訓練。DataLoader的num_workers（通常為CPU核心數的2-4倍）并行加載數據。torch.jit.script或ONNX編譯模型，提升執行效率。ulimit -n）。nvidia-smi監控GPU使用情況，用torch.autograd.profiler定位性能瓶頸。torch.nn.parallel.DistributedDataParallel（DDP）加速大規模訓練。參考來源：[1,2,3,4,5,6,7,8,9,10,11]
