计算机的错误计算（四十九）

摘要  计算机的错误计算（四十八）讨论了GPU下一个深度学习中的“Hello World”程序的计算精度问题。本节探讨扩展后的程序在GPU下的计算精度问题。具体扩展为：首先归一化“Hello World”程序的结果矩阵Y，然后对其应用Tanh激活函数，最后与新生成的矩阵Z进行第二次矩阵乘法。结果表明，该扩展后的程序的误差也大为“扩展”。

       先看代码：

import torch

# 设置随机种子
torch.manual_seed(0)

# 创建张量并移动到GPU
W = torch.randn(5, 3) * 10
W = W.to('cuda')
X = torch.randn(3, 5) * 10
X = X.to('cuda')

# 计算矩阵乘法
Y = torch.mm(W, X)

# 在GPU上执行归一化操作
min_val = Y.min()
max_val = Y.max()
Y_normalized = (Y - min_val) / (max_val - min_val)

# 应用tanh函数
torch_tanh = torch.tanh(Y_normalized)

# 创建另一个张量并移动到GPU
Z = torch.randn(5, 4) * 10
Z = Z.to('cuda')

# 计算矩阵乘法
R_tanh = torch.mm(torch_tanh, Z)

# 设置小数位数
torch.set_printoptions(precision=8)

# 输出
print(R_tanh)

然后是输出：

​

       在上面的输出中，有 2个值包含 3位错误数字，8个值包含 2位错误数字。这10个值的正确结果是：

其中红颜色数字表明 Python对应位置的数字不正确。因此，错误率不小于 2/8=25%的占比达到 10/20=50%.  它是计算机的错误计算（四十三）中CPU下错误率占比的 2倍。