”ニューラルネットワーク自作入門”に記載されているMNISTデータを利用した
画像認識プログラムを元にPyTorchのCPU版とGPU版の処理時間の比較を試みた。
（１）CPU版
訓練に２１５秒、テストに３．３秒である。
（２）GPU版
訓練に３８１秒（１６６秒遅い）、テストに６．３秒（３秒遅い）であり、認識精度は同じ。
（３）CPU版からGPU版へのプログラム変更
データをCPUからGPUへ移す処理を追加する。
テスト部分で認識したラベルデータをGPUからCPUへ移す処理を追加。
（Mnistのラベルが整数データでCPUに記憶されているので）
（４）GPUを使いながら他の方法で処理した場合
Pytorchでミニバッチ処理を行い活性化関数にReLUを使った処理の例では、
訓練＋テストの処理時間合計は２２１秒（１６６秒早い）、認識精度はほぼ同じ。
（WEBで見つけて同じ階層、パラメータに変えて測定した）
（５）参考資料
下記のＷＥＢページにお世話になりました。ありがとうございます。
・GPU の仕組みと PyTorch 入門
・手書き文字（MNIST）認識をPyTorchで記述する
＜個人的な感想＞
GPU版の方が処理時間が長くなったのは意外である。
データの転送時間（CPU/GPU間）が馬鹿にならないようである。
これならCPUで処理した方が良い。
画素サイズが28 x 28の小さなものでは、CPU/GPU転送時間の方が行列積計算差（GPU-CPU）よりも
大きいのだろう。