关于人工智能:技术博客GPU-编程之从零开始实现-MNISTCNN

32次阅读

共计 8577 个字符，预计需要花费 22 分钟才能阅读完成。

【技术博客】GPU 编程之从零开始实现 MNIST-CNN

很多人最开始接触“GPU”想必都是通过游戏，一块高性能的 GPU 能带来不凡的游戏体验。而真正使 GPU 被越来越多人熟知是因为机器学习、深度学习的大热（也有人用于比特币挖矿），因为宏大的数据与计算量须要更快的处理速度，GPU 编程也因而越来越广泛。
从事深度学习的工作者经常自嘲本人为“炼丹师”，因为日常工作是：搭网络，调参，调参，调参 …… 作为刚入门深度学习的小白更是如此，尽管不停的复现着一个又一个的网络，但总有些迷茫。我想这个迷茫来源于深度学习的“黑盒”性质，而咱们所做的工作绝大部分工夫又仅是调参，对网络外部的计算理论是含糊的。因而，本文试着联合 GPU 编程从零开始写一个简略的 CNN 网络，从外部深刻了解网络的运行，心愿可能肯定水平上打消这种迷茫，也通过这一个简略的利用来理解 GPU 编程。
    因而本文次要分为两个局部：

  • GPU 编程的介绍与入门。
  • 应用 GPU 编程从零开始搭建 MNIST-CNN。

1 GPU 编程的介绍与入门

1.1 介绍

图 1 为 CPU 与 GPU 的物理构造比照（图片源自网络）。图中的有色方块代表了解决外围，尽管 CPU 的外围比拟少（如图中只有 8 块），但每一个算能力都十分强；而 GPU 的外围十分多，但每一个的能力无限。外围数量决定着解决计算过程的线程数量，因而对于计算问题来说，GPU 比 CPU 能调度更多的线程，这也是为什么 GPU 能够用来减速的起因。但仅仅靠 GPU 还不行，一些简单的管制流程仍须要 CPU 来做，因而当初的计算机根本是 CPU+GPU 的模式。CPU 管制整体程序的调度，当须要沉重的计算工作时，将其交给 GPU 实现。

图 1 CPU 与 GPU 物理构造比照

1.2 应用 Numba 进行 GPU 编程

Nvidia 提供了在自家生产的 GPU 上进行编程的框架，该框架在不同的编程语言上都有实现。本文介绍一种反对 Python 的 GPU 编程模型—— Numba（在上面的内容开始之前，请确保你的 Pyhon 编译器中是有 Numba 模块的，如果没有请先装置，装置形式与个别的模块雷同）。
在 GPU 编程中咱们称在 CPU 端为 Host，GPU 端为 Device，在 CPU 运行的函数为主机函数，在 GPU 运行的、受 CPU 调用的函数为核函数，在 GPU 运行、被 GPU 调用的函数为设施函数。在 GPU 上运行的函数的定义须要有一个专门的函数修饰符，如

from numba import cuda
import numpy as np

@cuda.jit()
def my_kernel(io_array): # 核函数
    # To do

@cuda.jit(device=True)
def device_func(io_array): # 设施函数
    # To do

调用核函数的过程为：主机端先将数据传入设施端，主机端调用核函数在 GPU 上进行计算，实现计算后再将后果数据传回主机端。应用 Numba 的一个益处是不须要这些额定的数据传输操作，核函数能主动对 Numpy 数组进行传输。值得注意的是，核函数不能有返回值，GPU 编程的一大特点是函数的计算结果都通过参数传递。
那如何控制线程进行解决呢？——用数组索引与线程 id 互相对应的形式。比方我要实现一个函数，使得矩阵 A 的每一个元素都加 1，则代码可间接按如下形式实现

from numba import cuda
import numpy as np

@cuda.jit()
def my_kernel(io_array):
    tx = cuda.threadIdx.x # 获取以后线程的 id 重量
    ty = cuda.threadIdx.y # 获取以后线程的 id 重量
    tz = cuda.blockIdx.x # 获取以后线程的 id 重量
    io_array[tz, tx, ty] += 1 # 用该 id 对应数组的索引，解决对应的元素
    
A = np.zeros(shape=[10, 32, 32])
gridsize = (10)
blocksize=(32, 32)
my_kernel[gridsize, blocksize](A) # 非凡的调用形式，调用时须要通知核函数线程的组织状况
print(A)

上述代码的思维是：对每一个 A 矩阵的元素都调用一个线程解决，相互对应的准则是线程的 id 与 A 矩阵的索引绝对应。gridesize 与 blockszie 定义了一个与 A 矩阵雷同构造的线程矩阵，其中的每一个线程都会调用该核函数，核函数中的 tx、ty、tz 变量示意了以后线程的 id，因而每个线程执行时实际上只解决了各自 id 所对应的元素。gridsize 与 blocksize 变量的定义能够不思考底层的物理构造，Numba 会主动替咱们调配以实现代码层到物理层线程的映射。理论 GPU 编程须要的事项有很多，这里不一一列举，想深刻理解可查阅官网手册。但有了上述编程思维的根底，咱们曾经能够来编写简略的神经网络了。

2 联合 GPU 从零搭建 CNN

CNN 网络的次要构造有全连贯层、卷积层、池化层、非线性激活层以及输入损失层，各层都有许多参数抉择，这里仅搭建 MNIST-CNN 所蕴含的构造，即简略的卷积层、池化层、reLu 激活函数、全连贯层以及 Cross entropy 损失输入。
本文着重用 GPU 实现卷积层与池化层的前向流传与链式求导。全连贯与激活等计算只波及到矩阵的乘法绝对简略，因而间接用 Numpy 解决（也因为篇幅限度，这里也不再赘述这些操作的原理及代码，整个网络的代码能够到自己的 Github 上下载，文末附有代码链接）。

2.1 联合 GPU 实现池化与卷积

先实现池化层，这里只简略设计一个  的最大池化操作，池化层的前向计算与反向计算的原理如图 2 所示（图片来源于网络）

图 2 池化层流传计算原理
它前向流传的原理比较简单，其反向流传须要用到图示的 Index 矩阵。这里的实现办法为每一次前向流传都先保留输出与输入，在反向流传时将输出数据与输入数据做比照，数值相等的地位即为池化输入的地位，因而反向流传的梯度应传递到该地位，其它不相等的地位置为 0。其代码实现如下

class MaxPooling2x2(object):
    def __init__(self):
        self.inputs = None
        self.outputs = None
        self.g_inputs = None

    def forward(self, inputs):
        self.inputs = inputs.copy()
        self.outputs = np.zeros(shape=(inputs.shape[0], inputs.shape[1]//2, inputs.shape[2]//2, inputs.shape[3]), dtype=np.float32)
        grid = (inputs.shape[3])
        block = (self.outputs.shape[1], self.outputs.shape[2])
        pool[grid, block](self.inputs, self.outputs)
        return self.outputs

    def backward(self, gradient_loss_this_outputs):
        self.g_inputs = np.zeros(shape=self.inputs.shape, dtype=np.float32)
        grid = (self.outputs.shape[3])
        block = (self.outputs.shape[1], self.outputs.shape[2])
        cal_pool_gradient[grid, block](self.inputs, self.outputs, gradient_loss_this_outputs, self.g_inputs)
        return self.g_inputs

前向流传与反向流传的外围计算过程由 GPU 核函数实现。前向流传时，对于单个样本每个线程解决一块 的区域从而输入最大值，并循环解决一个 batchSize；其反向流传时线程安顿与前向流传雷同。代码如下

@cuda.jit()
def pool(inputs, outputs):
    tx = cuda.threadIdx.x
    ty = cuda.threadIdx.y
    d = cuda.blockIdx.x

    for i in range(inputs.shape[0]):
        outputs[i, tx, ty, d] = max(inputs[i, 2 * tx, 2 * ty, d], inputs[i, 2 * tx + 1, 2 * ty, d],
                                    inputs[i, 2 * tx, 2 * ty + 1, d], inputs[i, 2 * tx + 1, 2 * ty + 1, d])


@cuda.jit()
def cal_pool_gradient(inputs, outputs, gradient_to_outputs, grident_to_inputs):
    tx = cuda.threadIdx.x
    ty = cuda.threadIdx.y
    d = cuda.blockIdx.x

    for k in range(outputs.shape[0]):
        for i in range(2):
            for j in range(2):
                if outputs[k, tx, ty, d] == inputs[k, 2 * tx + i, 2 * ty + j, d]:
                    grident_to_inputs[k, 2 * tx + i, 2 * ty + j, d] = gradient_to_outputs[k, tx, ty, d]

卷积操作的正向流传与前向流传原理不再赘述。程序实现上卷积层同样须要保留输出与输入。前向流传时，设置线程矩阵的 size 与输入张量的 size 雷同，从而使一个线程解决一个输入，循环 batchSize 次实现所有输入的计算；在梯度反向流传时，设置线程矩阵的 size 与损失对该卷积层输入的梯度的 size 雷同，每个线程各自计算与该输入元素相干的输出与参数应累加的梯度数值，并循环 batchSize 次，所有线程计算结束后，最终后果即为损失别离对输出与参数的梯度，其代码实现如下

class Conv2D(object):
    def __init__(self, in_channels, kernel_size, features):
        self.features = features
        self.ksize = kernel_size
        weights_scale = np.sqrt(kernel_size * kernel_size * in_channels / 2)
        self.weights = np.random.standard_normal((features, kernel_size, kernel_size, in_channels)) / weights_scale
        self.biases = np.random.standard_normal(features) / weights_scale

        self.g_weights = None
        self.g_biases = None
        self.g_inputs = None
        self.inputs = None
        self.outputs = None

    def forward(self, inputs):
        self.inputs = np.zeros(shape=(inputs.shape[0], inputs.shape[1]+(self.ksize // 2)*2,
                                      inputs.shape[2] + (self.ksize // 2)*2, inputs.shape[3]), dtype=np.float32)
        self.inputs[:, self.ksize // 2: inputs.shape[1] + self.ksize // 2,
        self.ksize // 2: inputs.shape[2] + self.ksize // 2, :] = inputs.copy()
        self.outputs = np.zeros(shape=(inputs.shape[0], inputs.shape[1], inputs.shape[2], self.features), dtype=np.float32)
        grid = (self.features)
        block = (inputs.shape[1], inputs.shape[2])
        cov[grid, block](self.inputs, self.weights, self.biases, self.outputs)
        return self.outputs

    def backward(self, gradient_loss_to_this_outputs):
        self.g_inputs = np.zeros(shape=self.inputs.shape, dtype=np.float32)
        self.g_weights = np.zeros(self.weights.shape, dtype=np.float32)
        self.g_biases = np.zeros(self.biases.shape, dtype=np.float32)
        grid = (self.features)
        block = (self.inputs.shape[1], self.inputs.shape[2])
        cal_cov_grident[grid, block](self.inputs, self.weights, gradient_loss_to_this_outputs,
                                     self.g_weights, self.g_biases, self.g_inputs)

        self.g_inputs = self.g_inputs[:, self.ksize//2: self.g_inputs.shape[1] - self.ksize//2,
                        self.ksize//2: self.g_inputs.shape[2] - self.ksize//2, :]
        return self.g_inputs

    def update_parameters(self, lr):
        self.weights -= self.g_weights * lr / self.inputs.shape[0]
        self.biases -= self.g_biases * lr / self.inputs.shape[0]
        
@cuda.jit()
def cov(inputs, weights, biases, outputs):
    tx = cuda.threadIdx.x
    ty = cuda.threadIdx.y
    f_num = cuda.blockIdx.x

    for n in range(inputs.shape[0]):
        for i in range(weights.shape[1]):
            for j in range(weights.shape[2]):
                for k in range(weights.shape[3]):
                    outputs[n, tx, ty, f_num] += (inputs[n, tx + i, ty + j, k] * weights[f_num, i, j, k])
        outputs[n, tx, ty, f_num] += biases[f_num]


@cuda.jit()
def cal_cov_grident(inputs, weights, gradient_loss_to_this_outputs, g_weights, g_biases, g_inputs):
    tx = cuda.threadIdx.x
    ty = cuda.threadIdx.y
    f_num = cuda.blockIdx.x

    for n in range(gradient_loss_to_this_outputs.shape[0]):
        for i in range(weights.shape[1]):
            for j in range(weights.shape[2]):
                for k in range(weights.shape[3]):
                    tmp1 = gradient_loss_to_this_outputs[n, tx, ty, f_num] * weights[f_num, i, j, k]
                    tmp2 = gradient_loss_to_this_outputs[n, tx, ty, f_num] * inputs[n, tx+i, ty+j, k]
                    g_inputs[n, tx+i, ty+j, k] += tmp1
                    g_weights[f_num, i, j, k] += tmp2
        g_biases[f_num] += gradient_loss_to_this_outputs[n, tx, ty, f_num]

2.2 搭建 MNIST CNN 模型

首先导入曾经实现的各个模块，并读取数据集

import numpy as np
import time
from read_mnist import DataSet
from my_deep_learning_pkg import FullyConnect, ReLu, CrossEntropy, MaxPooling2x2, Conv2D

# read data
mnistDataSet = DataSet()

利用本人写的类搭建网络

# construct neural network
conv1 = Conv2D(1, 5, 32)
reLu1 = ReLu()
pool1 = MaxPooling2x2()
conv2 = Conv2D(32, 5, 64)
reLu2 = ReLu()
pool2 = MaxPooling2x2()
fc1 = FullyConnect(7*7*64, 512)
reLu3 = ReLu()
fc2 = FullyConnect(512, 10)
lossfunc = CrossEntropy()

训练中的前向流传、反向流传、以及梯度更新

# train
lr = 1e-2
for epoch in range(10):
    for i in range(600):
        train_data, train_label = mnistDataSet.next_batch(100)

        # forward
        A = conv1.forward(train_data)
        A = reLu1.forward(A)
        A = pool1.forward(A)
        A = conv2.forward(A)
        A = reLu2.forward(A)
        A = pool2.forward(A)
        A = A.reshape(A.shape[0], 7*7*64)
        A = fc1.forward(A)
        A = reLu3.forward(A)
        A = fc2.forward(A)
        loss = lossfunc.forward(A, train_label)

        # backward
        grad = lossfunc.backward()
        grad = fc2.backward(grad)
        grad = reLu3.backward(grad)
        grad = fc1.backward(grad)
        grad = grad.reshape(grad.shape[0], 7, 7, 64)
        grad = pool2.backward(grad)
        grad = reLu2.backward(grad)
        grad = conv2.backward(grad)
        grad = grad.copy()
        grad = pool1.backward(grad)
        grad = reLu1.backward(grad)
        grad = conv1.backward(grad)

        # update parameters
        fc2.update_parameters(lr)
        fc1.update_parameters(lr)
        conv2.update_parameters(lr)
        conv1.update_parameters(lr)

在测试集上进行检测

test_index = 0
sum_accu = 0
for j in range(100):
    test_data, test_label = mnistDataSet.test_data[test_index: test_index + 100], \
                            mnistDataSet.test_label[test_index: test_index + 100]
    A = conv1.forward(test_data)
    A = reLu1.forward(A)
    A = pool1.forward(A)
    A = conv2.forward(A)
    A = reLu2.forward(A)
    A = pool2.forward(A)
    A = A.reshape(A.shape[0], 7 * 7 * 64)
    A = fc1.forward(A)
    A = reLu3.forward(A)
    A = fc2.forward(A)
    preds = lossfunc.cal_softmax(A)
    preds = np.argmax(preds, axis=1)
    sum_accu += np.mean(preds == test_label)
    test_index += 100
print("epoch{} train_number{} accuracy: {}%".format(epoch+1, i+1, sum_accu))

程序的输入如图 3 所示，随着训练的进行，准确率一直回升，在一个 epoch 后准确率曾经达到 91% , 阐明代码是正确的。

图 3 程序运行后果

代码下载链接

https://github.com/WHDY/mnist_cnn_numba_cuda

援用

[[1] https://zhuanlan.zhihu.com/c_…](https://zhuanlan.zhihu.com/c_…
[[2] https://github.com/SpiritSeek…](https://github.com/SpiritSeek…

正文完
人工智能
发表至： 人工智能
2020-08-04
 0
关于人工智能:深度学习与计算机视觉教程15-视觉模型可视化与可解释性CV通关指南完结🎉
关于人工智能:百度吴甜重磅发布文心一言面向开发者的三大举措激活生态创新
关于人工智能:智能家庭安防设备进阶篇如何使用智汀家庭云自定义场景
关于人工智能:全球首个完全开源的指令跟随大模型T5到GPT4最全盘点