Implementación de una red neuronal tipo perceptrón en GPU

Abstract

El objetivo de este trabajo de fin de grado es implementar un perceptrón multicapa en la plataforma de computación en GPU de propósito general CUDA, para poder explotar el paralelismo por el que se caracterizan las tarjetas gráficas. Se ha realizado tanto una tarea de formación en el ámbito de las redes neuronales básicas, hasta llegar al perceptrón multicapa, como en el ámbito del lenguaje de programación CUDA, del que se partía desde cero. Así mismo, se ha aprendido a utilizar de forma exitosa la biblioteca cuBLAS, especializada en operaciones matemáticas. Adicionalmente, se ha podido comprobar cómo, con las pruebas realizadas sobre la multiplicación de matrices, operación base del perceptrón multicapa, la diferencia de eficiencia entre una GPU y una CPU utilizando CUDA puede ser hasta 20 veces mayor medida en GFLOPS, mientras que, si utilizamos la biblioteca cuBLAS, obtenemos un rendimiento hasta 1.000 veces mayor.