本文介绍了作者使用CUDA进行大数组浮点加和与MNIST手写数字识别测试的经验。CUDA计算平台使计算速度大幅提升，浮点加和测试达到2383倍加速，而MNIST识别利用GPU获得10倍速度提升。通过Nvidia的入门级显卡GeForce GTX 1060，展示了显卡并行计算的优势。
众所周知，Nvidia的CUDA计算平台可以实现数量惊人的并行运算，因此受各个流行的机器学习框架青睐。为了尝试人工智能，我最近组装了一台机器，配备了一块入门级的GeForce GTX 1060显卡。
该显卡来自于索泰，有1280个CUDA核心，带6 GB的GDDR5显存。
以下是我进行的两个简单测试，略做记录。第一个测试，用C++写的CUDA程序计算两个大数组的浮点加和，得到了两千多倍的加速。第二个是用Keras+TensorFlow写的MNIST手写数字识别，得到了10倍加速。
大数组浮点加和测试
我按照Nvidia开发者博客的CUDA入门文章，An Even Easier Introduction to CUDA，写了一个简单的程序，对两个长度均为100万的单精度浮点数组进行逐元素加和。
CUDA的并行运算方式也就是所谓的SIMT，即单指令多线程。在CUDA
最低0.47元/天 解锁文章
扫一扫
801
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
