上图为代码中的部分，起初以为是batch_size的问题，于是默认值往小了改。

结果GPU1 的利用率仍为0%...没有用啊。

询问了LLMs给了如下回答。

import torch

# 检查CUDA是否可用
if torch.cuda.is_available():
    # 设置默认的CUDA设备
    torch.cuda.set_device(1)  # 设置为使用GPU 1
    device = torch.device("cuda:1")
    # 将模型和数据移动到GPU 1
    model.to(device)
    inputs, labels = inputs.to(device), labels.to(device)

于是乎，修改代码。继续运行，GPU利用率仍为0。

怎样让电脑使用独立显卡？参考这篇文章，有了思路。

1.选择让Pycharm使用NVIDIA处理器

2.全局-集成图形

3.运行代码，监测性能。

可以看到，此时的GPU1已经利用起来了，且利用率惊人，达到了99%。（自己的显卡性能不太行，跑这种深度学习模型还是太勉强了）

以上，仅为此次问题的个人解法，仅供参考。