УДК 004.8:004.75:004.45
СРАВНИТЕЛЬНЫЙ АНАЛИЗ ПРОИЗВОДИТЕЛЬНОСТИ CUDA И WEBGPU В ЗАДАЧАХ МАШИННОГО ОБУЧЕНИЯ
Солдатов Андрей Тимофеевич, магистрант, направление подготовки 09.04.04 Программная инженерия, Московский авиационный институт (национальный исследовательский университет), Москва, Россия
e-mail: mastyfar@yandex.ru
Научный руководитель: Султанов Наиль Закиевич, доктор технических наук, профессор, профессор кафедры информационных технологий и систем, Российский государственный гуманитарный университет, Москва, Россия
e-mail: sultanovnz@mail.ru
Аннотация. Современные задачи машинного обучения требуют высокопроизводительных вычислений, что актуализирует проблему зависимости от проприетарных решений, таких как CUDA. Цель работы – сравнительный анализ производительности и применимости универсального графического API WebGPU и специализированной связки PyTorch с CUDA. Использованы экспериментальные методы тестирования обучения свёрточной нейронной сети и инференса языковой модели Llama 3.2 1B с применением фреймворка Burn (wgpu) и PyTorch. Полученные результаты показывают, что WebGPU уступает CUDA по производительности в 2–3 раза, подтверждая гипотезу о компромиссе между переносимостью и эффективностью. Научная новизна заключается в систематическом сопоставлении современных инструментов. Практическая значимость связана с выбором технологий под ограниченные ресурсы. Дальнейшие исследования направлены на оптимизацию WebGPU и развитие соответствующих фреймворков.
Ключевые слова: машинное обучение, графические процессоры, CUDA, WebGPU, PyTorch, Burn, производительность вычислений, переносимость, нейронные сети, инференс моделей.
Для цитирования: Солдатов А. Т. Сравнительный анализ производительности CUDA и WebGPU в задачах машинного обучения // Шаг в науку. – 2026. – № 3. – С. 23–30.
