Python and ROCm 教室

このコースは、Python の文法を先に全部覚えるためのものではありません。「GPU でやりたいこと」を一つずつ進めながら、必要な Python をその都度拾っていくスタイルです。

✨ はじめての方へ: まずは GPU で 1 回計算を動かしてみましょう。

Quickstart が終わったら、第0章で環境の意味を理解しましょう。Quickstart で選んだルート（ネイティブ or Docker）をそのまま続けてください。

13章の読む順番

基礎 — 数の表と shape に慣れる

まずは ROCm と PyTorch から GPU が見えているかを確かめます。

NumPy の配列を「数字の表」として読めるようになります。

行列の掛け算を shape といっしょに読めるようにします。

NumPy の表が PyTorch の tensor にどうつながるかを見ます。

🎯 ここまでで基礎OK — shape と tensor の読み方が分かった状態です

GPU 操作と学習 — モデルを使い始める

CPU と GPU の置き場所の違いを、.to(device) からつかみます。

model(x) という一行が何をしているのかを読めるようにします。

学習はせず、答えを出すだけの流れを見ます。

loss と backward() と step() がどうつながるかを体験します。

「使うだけでは学習しない」を、自分の言葉で説明できるようにします。

🎯 ここまでで実践OK — モデルの使い方と学習の流れが分かった状態です

応用 — 仕組みをのぞいて読む力を付ける

Conv2d と画像っぽい shape を、コードの中で追ってみます。

Q、K、V や softmax を、形と流れで見ていきます。

shape mismatch やログを見て、どこで止まったかを追えるようにします。

短い実験コードを、最初から最後まで自分で追えるところまで進みます。

🎯 完走 — ROCm + Python の基礎を一通り体験しました

読みながら引っかかった言葉をすぐ戻って確かめたいときは、Appendix A: 困ったときの補足集も使えます。

準備中

13章を終えたら、次はコードを自分で組み立てる段階へ。GPU ベンチマーク・実験ログ保存・関数化・モデルクラスの作成など、ROCm の実験文脈で Python の残りの道具を拾っていきます。

全部を一気に読む必要はありません。今の自分に近い章から入って、必要になったら前の章へ戻る読み方でも大丈夫です。