GANs mit PyTorch selbst programmieren

KAPITEL 4

Grundlagen von CUDA

In meinem Buch Neuronale Netze selbst programmieren haben wir die erforderlichen Berechnungen ausgearbeitet, um sowohl Signale in Vorwärtsrichtung durch ein neuronales Netz zu leiten als auch im Rückwärtsdurchgang die Verknüpfungsgewichte des Netzes zu aktualisieren.

Wir haben festgestellt, dass sich beide Berechnungen mithilfe der Matrixmultiplikation formulieren lassen. Anstatt Hunderte oder sogar Tausende von separaten Berechnungen zu schreiben, notieren wir eine einfache Matrixmultiplikation. Wir waren davon begeistert, weil Bibliotheken wie NumPy dafür ausgelegt sind, Matrixmultiplikationen wirklich schnell und effizient auszuführen. Denn es ist weitaus effizienter, mithilfe von NumPy zwei Matrizen zu multiplizieren, ...