#9. Использование CPU и GPU на примере простой НС | Нейросети на PyTorch

• Сергей Балакирев продолжает курс по нейронным сетям.  

• Рассматривается реализация нейронной сети для определения симпатии парня к девушке.  

• Входными данными являются значения 0 или 1, соответствующие наличию или отсутствию определенных характеристик у парня.  

• Используется функция активации, которая выдает 1, если сумма на нейроне больше или равна 0.5, и 0 иначе.  

• Нейронная сеть описывается на уровне векторно-матричных операций.  

• Суммарные значения на нейронах скрытого слоя и выходного нейрона вычисляются и пропускаются через функцию активации.  

• Программа использует пороговую функцию активации и функцию для работы нейронной сети.  

• Входные параметры: наличие квартиры, любовь к тяжелому року и привлекательность.  

• Вычисление суммы на скрытых нейронах и выходного сигнала с использованием матричных операций.  

• Программа показывает, что парень нравится девушке при определенных входных данных.  

• При других входных данных парень не нравится девушке.  

• Программа проста в реализации, но на практике сети могут быть сложнее и требовать оптимизации.  

• PyTorch поддерживает работу с графическими процессорами GPU.  

• Проверка поддержки GPU через функцию from_gpu в модуле torch.  

• Программа должна быть универсальной для работы с GPU и без него.  

• Тензоры могут размещаться на центральном процессоре CPU или графическом процессоре GPU.  

• Метод get_device используется для определения устройства тензора.  

• Методы to и from_gpu позволяют перемещать тензоры между устройствами.  

• Генераторы псевдослучайных чисел на GPU и CPU работают независимо.  

• Для задания зерна генератора на GPU используется функция torch.manual_seed.  

• Отключение стохастического режима работы GPU для предсказуемых случайных последовательностей.  

• Определяем переменную "device" для поддержки GPU.  

• При создании тензоров указываем параметр "device" и присваиваем значение "device".  

• Вычисления на GPU сохраняют результат на том же GPU, что упрощает процесс.  

• Запускаем программу и проверяем результат.  

• Для маленькой нейронной сети значительного выигрыша от использования GPU нет.  

• Для более крупных сетей использование GPU может значительно ускорить работу.