cuDNN untuk Pembelajaran Mendalam
Konvolusi dan operasi tensor dalam skala besar
cuDNN untuk Pembelajaran Mendalam adalah pelajaran CUDA Academy gratis di CoddyKit. Ini adalah pelajaran 4 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar CUDA Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus CUDA Academy mencakup 4 pelajaran total.
Mesin di Balik Kerangka Kerja AI
cuDNN adalah pustaka pembelajaran mendalam milik NVIDIA. PyTorch dan TensorFlow mengandalkannya untuk konvolusi cepat serta komponen pembentuk jaringan saraf lainnya. 🧠
Mengapa Konvolusi Membutuhkan Bantuan
Konvolusi menggeser filter kecil di atas gambar sambil melakukan perhitungan dalam jumlah besar. cuDNN mengimplementasikannya jauh lebih cepat daripada kernel naif.
Mulai dengan Handle
Seperti cuBLAS, cuDNN menyimpan status dalam sebuah handle yang Anda buat sekali dan gunakan kembali untuk setiap operasi, lalu hancurkan saat program dimatikan.
cudnnHandle_t h;
cudnnCreate(&h);Deskripsikan Data Anda
cuDNN bekerja melalui deskriptor. Deskriptor tensor mencatat bentuk, tipe data, dan tata letak agar pustaka mengetahui dengan tepat apa yang sedang diproses.
cudnnTensorDescriptor_t xDesc;
cudnnCreateTensorDescriptor(&xDesc);Tata Letak NCHW
Tensor biasanya menggunakan NCHW: batch, kanal, tinggi, lebar. Menetapkan tata letak ini dengan benar sangat penting agar perhitungannya selaras.
cudnnSetTensor4dDescriptor(xDesc,
CUDNN_TENSOR_NCHW, CUDNN_DATA_FLOAT, N, C, H, W);Filter Memiliki Deskriptornya Sendiri
Bobot kernel konvolusi menggunakan deskriptor filter terpisah yang menjelaskan kanal keluaran, kanal masukan, serta tinggi dan lebar filter.
cudnnFilterDescriptor_t wDesc;
cudnnCreateFilterDescriptor(&wDesc);Pengaturan Konvolusi
Deskriptor konvolusi menyimpan padding, langkah, dan dilasi—parameter yang menentukan cara filter menyapu tensor input.
Pilih Algoritma
cuDNN menyediakan beberapa algoritma konvolusi dengan pertukaran kecepatan dan penggunaan memori yang berbeda. Anda dapat meminta algoritma terbaik untuk bentuk tensor Anda.
Sediakan Ruang Kerja
Algoritma cepat memerlukan ruang sementara. Anda mengalokasikan buffer ruang kerja di perangkat dengan ukuran yang diberi tahu cuDNN sebelumnya.
size_t bytes;
cudnnGetConvolutionForwardWorkspaceSize(...,&bytes);Jalankan Operasi Maju
cudnnConvolutionForward menggabungkan semuanya: handle, deskriptor, algoritma, dan ruang kerja menghasilkan peta fitur keluaran dalam satu pemanggilan.
cudnnConvolutionForward(h, &alpha, xDesc, x,
wDesc, w, convDesc, algo, ws, bytes, &beta, yDesc, y);Lebih dari Sekadar Konvolusi
cuDNN juga mempercepat pooling, aktivasi, dan normalisasi, yaitu lapisan lain yang membentuk jaringan saraf modern.
Pemeriksaan Singkat
Ingat kembali apa yang dirancang untuk dipercepat oleh cuDNN.
Ringkasan
Anda menyiapkan handle, mendeskripsikan tensor dan filter dalam NCHW, memilih algoritma dengan ruang kerja, lalu menjalankan operasi maju konvolusi. 🎓
Pertanyaan yang Sering Diajukan
Apakah pelajaran “cuDNN untuk Pembelajaran Mendalam” gratis?
Ya — teks lengkap “cuDNN untuk Pembelajaran Mendalam” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus CUDA Academy, upgrade ke CoddyKit PRO. Kursus CUDA Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “cuDNN untuk Pembelajaran Mendalam”?
Konvolusi dan operasi tensor dalam skala besar Kamu berlatih CUDA Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai CUDA Academy?
Tidak diperlukan pengalaman sebelumnya. CUDA Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 4 dari 4.
Berapa lama pelajaran “cuDNN untuk Pembelajaran Mendalam” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran CUDA Academy ini?
Ya. Setiap pelajaran CUDA Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- cuBLAS GEMM dengan Cara yang Tepat
- Vektor dan Transformasi Thrust
- Reduce, Scan, dan Sort pada Thrust
- cuDNN untuk Pembelajaran Mendalam