在用PyTorch或者TensorFlow搭积木的时候，你是不是也遇到过下面这些情况：
- 自带的算子及其组合都无法满足你超（bian）常（tai）的计算需求。
- 自带的算子不可导，需要自己定义反向传播的梯度，例如argmax。
- 自带的算子太慢了，严重影响了你发paper的速度。
这时候你就会想，要是能自己实现一个速度又快、又能满足需求的算子就好了。
你想到了CUDA，自己写一个CUDA算子不就完事了嘛！
然后问题又来了，写是写完了，怎么用python代码调用它呢？
还有一个问题，这个算子它没梯度啊，自动求导机制不顶用了！
你去网上各种搜索，方法倒是全有，但是源码都好复杂，你一个新手怎么可能有心思看完那么复杂的教程？
这时候，你突然看到了这篇文章，看完后你惊呼：“怎么会有这么简洁的示例代码，这就是我想要的！”
没错，这就是我熬了好几个通宵，查了无数bug后，写出来的一份示例代码。
话不多说，先上源码好吧：
https://github.com/godweiyang/NN-CUDA-Example
我给它命名为“Neural Network CUDA Example”，简称“NN CUDA Example”，意思就是神经网络调用CUDA的示例。
那么这玩意到底有啥用呢？目前为止，它可以让你学到下面这些东西：
- 最简单的CUDA算子的写法。
- 最简洁的PyTorch和TensorFlow封装CUDA算子的方法。
- 几种编译CUDA算子的方法。
- python调用CUDA算子的几种方式。
- python中统计CUDA算子运行时间的正确方法。
- PyTorch和TensorFlow自定义算子梯度的方法。
你直呼内行，要是早点能看到这篇文章，能多发好几篇论文啊。
看完代码，有些细节你还是懵逼了，这这这都是啥意思啊，为啥这么写啊？
这时候你又看到了几篇教程，哦原来都有讲解，那没事了。
- PyTorch自定义CUDA算子教程与运行时间分析
- 详解PyTorch编译并调用自定义CUDA算子的三种方式
- 三分钟教你如何PyTorch自定义反向传播
从那以后，你代码能力飞速提升，一连发了好几篇顶会。
然后你顺手一键三连，把这篇文章转给了身边有需要的人，个个都夸你发现了宝藏。
- END -
我是godweiyang，华东师范大学计算机系本硕专业第一，字节跳动AI Lab NLP算法工程师，秋招斩获上海三家互联网大厂ssp offer，主要研究方向为机器翻译、句法分析、模型压缩与加速。最大特点就是脾气好、有耐心，有任何问题都可以随时咨询我，不管是技术上的还是生活上的。
