Torch学习——使用CUDA

Torch学习——使用CUDA

1. CUDA安装

CUDA在Ubuntu下的安装[1]还是很方便的，但不知为什么很多安装Caffe的教程都把CUDA安装搞得很繁琐。

2. 代码示例

输入[4]请求使用“cutorch”包。cutorch包是torch的CUDA版本，torch提供FloatTensor张量，而cutorch能提供所有运算在GPU上操作的CudaTensor张量。cutorch中的函数可以设置和获得设备的属性等信息[2]。

输入[7]创建了1个CudaTensor张量，看起来是个100维向量，用fill填充0.5至每个向量的元素。add函数实现两个向量间按元素相加，相加结果赋给t1。

输入[8]为GPU张量和CPU张量的相互转换。

GPU张量转CPU张量：t1是CudaTensor，t1:float()则转换成CPU的FloatTensor。

CPU张量转GPU张量：t1[{}]=t1_cpu，将CPU张量的值赋值给GPU张量t1。t1_cpu:cuda()也是将CPU张量转成GPU张量，但这个GPU张量是新建的。

zero()函数可以把GPU张量清0。

输入[18]为多层感知机。MLP的定义和Keras一样。多层感知机的每层都是线性连接，激活函数为tanh。mlp定义了3层后移动至GPU。input为FloatTensor，cuda()转成CudaTensor，作为Sequential实例的forward函数的输入，forward函数的输出result是CudaTensor，float()转成FloatTensor。仅仅是个随机数向量在MLP中的前向传播过程。

输入[19]是把输入输出都为CudaTensor的多层感知机mlp包装成输入输出都为FloatTensor的多层感知机mlp_auto[3]。

3. 参考链接

[1]http://www.r-tutor.com/gpu-computing/cuda-installation/cuda7.5-ubuntu

[2]https://github.com/torch/cutorch

[3]http://code.madbits.com/wiki/doku.php?id=tutorial_cuda