为什么我们需要 image.to('CUDA') 当我们有 model.to('CUDA')

Question

我正在上一门课程PyTorch。我想知道为什么我们需要单独告诉torch.utils.data.DataLoader输出它在什么设备上运行。如果模型已经打开，CUDA为什么它不相应地自动更改输入？这种模式对我来说似乎很有趣：model.to(device)for ii, (inputs, labels) in enumerate(trainloader):    # Move input and label tensors to the GPU    inputs, labels = inputs.to(device), labels.to(device)是否有一个用例，我想让模型在 GPU 上运行，但我的输入是在 CPU 模式下，反之亦然？