2021-07-13
地址： microsoft/AI-System
Lecture 3：Computation frameworks for DNN
主要讲了
- Tensor概念
2.DAG图
3.反向传播和自动求导 - 图执行和调度
5.静态图vs动态图 - 硬件支持
两个概念，我一直没弄清楚的
基本数据结构：Tensor
基本运算单元：Operator
计算内核（kernel）是什么
基本概念
基本概念2
-
图执行和调度
GEMM自动融合
并发流程
kernel是什么
总结
总结
总结2
Lab 3 CUDA实现和优化
地址：CUDA implementation
实验目标
1.理解PyTorch中Linear张量运算的计算过程，推导计算公式(同Lab2)
2.了解GPU端加速的原理，CUDA内核编程和实现一个kernel的原理
3.实现CUDA版本的定制化张量运算3.1编写.cu文件，实现矩阵相乘的kernel
3.2在上述.cu文件中，编写使用cuda进行前向计算和反向传播的函数
3.3基于C++ API，编写.cpp文件，调用上述函数，实现Linear张量运算的前向计算和反向传播。
3.4将代码生成python的C++扩展
3.5使用基于C++的函数扩展，实现自定义Linear类模块的前向计算和反向传播函数
3.6运行程序，验证网络正确性
2.了解GPU端加速的原理，CUDA内核编程和实现一个kernel的原理
难点：cuda编程
概念扫盲：CUDA编程入门极简教程 - 小小将的文章 - 知乎
cude编程：Nvdia示例
cuda 测试代码from Nvdia示例
cuda 性能数据 nvprof
遇到的问题The user does not have permission to profile on the target device
解决方案：靠谱
本次实验的内容
先把Lab3的代码copy到实验环境中
进入extend文件夹
输入python setup.py install --user
注意readme.md的部分写错了，漏了setup的后缀
但是这的setup代码出错了，
error: ‘TORCH_CHECK’ was not declared in this scope
还没找到解决方案
所以本次实验暂告失败
虽然代码没跑起来，但是学习了cuda编程的基础内容。
代码：没有
笔记：
网友评论