Nothing can help us endure dark times better than our faith.
事先了解下「物理内存和虚拟内存」，有助于阅读和理解本文。
在 CUDA 编程中，内存拷贝是非常费时的一个动作。CPU 和 GPU 之间的总线是 PCI-Express，是双向传输的，之间通过 DMA（Direct Memory Access，直接内存访问）机制进行数据拷贝。
1.CUDA 固定内存（Pinned Memory）
对于 CUDA 架构而言，主机端的内存可分为两种：
- 1）可分页内存（Pageable Memory）。
- 2）页锁定内存（Page-locked Memory），或称固定内存（Pinned Memory）。
对于页锁定内存，操作系统不会对其进行分页和交换操作，一定是存储在物理内存，不会存储在虚拟内存，因此，GPU 可直接通过 DMA 机制，在主机和 GPU 之间快速复制数据。而对于可分页内存，CUDA 驱动会首先将 Pageable Memory 的数据拷贝到临时的 Pinned Memory，然后再通过 DMA 机制进行数据传输。如下图所示：
可见，从主机的页锁定内存拷贝数据到 GPU 要更快的多。
但是，页锁定内存也是更消耗物理内存的。当计算机的物理内存充足时，可以设置为页锁定内存。当计算机的物理内存不足或内存交换过多时，不建议使用页锁定内存，否则会严重影响应用程序的性能。
C++ 中，通过操作系统接口 malloc() 在主机上分配可分页内存，通过 CUDA 函数 cudaHostAlloc() 在主机上分配页锁定内存。
2.torch.utils.data.DataLoader() 中的 pin_memory 参数
若创建 DataLoader 时设置 pin_memory=True，则返回放置在页锁定内存中的批数据，使得将内存的 Tensor 数据拷贝到 GPU 显存变得更快。
因为 pin_memory 与电脑硬件性能有关，由于不能确保每一个炼丹玩家都有高端设备，因此PyTorch 官网默认 pin_memory=False。
