import paddle
from paddle.io import Dataset
import numpy as np

from pandas import read_csv
#混合多只
f=open("data/data126099/训练数据 2022-01-20 155914.csv",encoding='UTF-8')
#只有一只
#f=open("work/训练数据 2022-01-22 092617.csv",encoding='UTF-8')
trainDataSrc=read_csv(f).values.tolist()

#混合多只
f=open("data/data126099/测试数据 2022-01-20 155924.csv",encoding='UTF-8')
#只有一只
#f=open("work/测试数据 2022-01-22 092622.csv",encoding='UTF-8')
testDataSrc=read_csv(f).values.tolist()


INPUT_K_LEN=60
K_ELEMENT_NUM=6
INPUT_LEN=INPUT_K_LEN*K_ELEMENT_NUM
OUT_LEN=3

#place = paddle.CUDAPlace(0)
place= paddle.device.set_device("gpu")


#自定义数据集
class MyDataset(Dataset):
    """
    步骤一：继承paddle.io.Dataset类
    """
    def __init__(self, mode='train'):
        """
        步骤二：实现构造函数，定义数据读取方式，划分训练和测试数据集
        """
        super(MyDataset, self).__init__()

        if mode == 'train':
            self.data = trainDataSrc
        else:
            self.data = testDataSrc
    
    def __getitem__(self, index):
        """
        步骤三：实现__getitem__方法，定义指定index时如何获取数据，并返回单条数据（训练数据，对应的标签）
        """
        data = np.array(self.data[index][0:INPUT_LEN],np.float32)
        label = np.array(self.data[index][INPUT_LEN:],np.float32)

        return data, label

    def __len__(self):
        """
        步骤四：实现__len__方法，返回数据集总数目
        """
        return len(self.data)

# 测试定义的数据集
trainDS = MyDataset(mode='train')
testDS = MyDataset(mode='test')


mnist = paddle.nn.Sequential(
    paddle.nn.Linear(360, 5120),
    paddle.nn.Linear(5120, 5120),
    paddle.nn.Linear(5120, 5120),
    paddle.nn.Linear(5120, 3))
# 预计模型结构生成模型对象，便于进行后续的配置、训练和验证
model = paddle.Model(mnist)
#学习率
#paddle.optimizer.Adam(parameters=model.parameters())
#optim = paddle.optimizer.SGD(learning_rate=0.00001,parameters=model.parameters())
optim = paddle.optimizer.Adam(parameters=model.parameters())
#optim = paddle.optimizer.Adadelta(learning_rate=0.001, epsilon=1.0e-6, rho=0.95,parameters=model.parameters())
#optim = paddle.optimizer.Adagrad(learning_rate=0.001,parameters=model.parameters())
# 模型训练相关配置，准备损失计算方法，优化器和精度计算方法
model.prepare(optim,paddle.nn.L1Loss(),paddle.metric.Accuracy())


# 开始模型训练
model.fit(trainDS,testDS,epochs=10000,batch_size=1024,verbose=1)

纯小白，对算法不懂，对平台也不了解，完全照着例子拼接出来的一个项目。

直接在AI Studio平台上学习、练习，还有免费的GPU。

结果想提高训练速度的时候，重启项目，加上place之后，在训练的过程中发现GPU占用和显存占用一只为0，不知道是哪里的问题。

#place = paddle.CUDAPlace(0)
place= paddle.device.set_device("gpu")

还请大神们帮忙解惑，感谢！