深層学習技術の一つにGANがある．GANはデータの特徴を学習することで，実在しない画像を生成することができる．DCGANは生成器と識別器に畳み込み層を使用することで通常のGANよりも精度の高い画像を生成することができるが，学習時間が長いことが指摘されている．PythonプログラムにおいてGPU計算を行うためには，CuPyやPyCUDAの利用が考えられるが，CuPyは関数ごとにGPU計算を行っているため性能を最大限に引き出すことが難しい．本手法ではPyCUDAを用いて，DCGANのプログラム全域にわたってCUDAコアおよびデバイスメモリを有効活用することにより，高速化を実現する．NVIDIA Quadro RTX6000上で2944枚のカラー画像を用いて画像生成を行った結果，提案手法の有効性が確認された．