W dniu niedziela, 3 marca 2013 10:50:56 UTC+1 użytkownik firr kenobi napisał:
> Przypomniała mi się ta stronka marcin borowiec blog
>
> Tam jest zestawienie typu 4 rdzenie x 4 floaty (sse) x 2 (mul add) versus
> 30 mikroprocesorów x 8 shaderprocesorow x 2 (mul add)
Czyli sprzętowo 4 jednostki vs 240 jednostek? Jaki był wynik tego
zestawienia?

> Tak naprawdę trzebaby zacząć pisać żeby wiedzieć jak to wygląda a to
> masa roboty
Nie wiem, ale gdy przeglądałem książeczkę wprowadzającą do CUDA, to
nie wydawało się aby pisanie wiązało się z masą roboty. Nie wiem, ale wydaje
się podobnie jak na inne platformy.

> (o ile latwiej wynająć studenta kazać mu to robic i przyjść po miesiącu
> zobaczyć czy coś z tego wychodzi niż samemu to zacząć robić ;( Mi ostatnio
> diablo nic się nie chce
Wolałbym zapłacić ekspertowi żeby mnie nauczył :)

Pozdrawiam

do góry

On 03.03.2013 19:24, M.M. wrote:
> W dniu niedziela, 3 marca 2013 01:55:02 UTC+1 użytkownik Roman W napisał:
>> Jeszcze jedno - wg szefa projektu, najtrudniejsza częścią bylo
>> przekonanie dzialu IT do kupna I zainstalowania kart :) ale tak na
>> serio, to zoptymalizowanie kodu do tego stopnia zeby osiagnac
>> przyspieszenie 100x kosztowalo grupe ludzi sporo czasu I wysilku. Nie
>> wiem czy pojedynczy czlowiek podola w rozsadnym czasie.
>
> Osobiście jestem coraz bardziej nakręcony na ten sprzęt, może
> kupię coś tak po prostu do zabawy. Mocno kusi nawet mała
> szansa na 100 krotne przyspieszenie, nawet zabawowego projektu.
>
> Nie wiem jak ocenić pracochłonność projektów na GPU. Myślę że
> jeśli grupa N osób napisał coś w C++, to w podobnym czasie
> napisze to samo na kartę. Oczywiście muszą umieć programować
> na daną platformę.
>
> Do nvidi widzę wszędzie masę wsparcia. Jest pełno ładnie
> opisanych przykładów na windowsa, linuxa i maca.
> http://docs.nvidia.com/cuda/cuda-samples/index.html
>
> Ostatnio w księgarni wpadła mi w ręce polskojęzyczna książeczka
> wprowadzająca do CUDA. Myślę że jakby przeciętny programista
> poczytał przykłady w których uzyskano przyspieszenie 100x, to
> nie powinien mieć większych problemów z optymalizacją własnych
> programów.
>
> Niestety, szacując na oko, nvidia wydaje się najdroższa w
> stosunku do wydajności. Materiały edukacyjne innych producentów,
> pewnie też są dostępne, ale jakoś tak łatwo nie wpadły mi w ręce.
>
>
> Pozdrawiam
>
>
>
>
Zapraszam do podzielenia się doświadczeniemi , np na :

http://pl.wikibooks.org/wiki/Programowanie_w_systemi
e_UNIX/CUDA
http://pl.wikibooks.org/wiki/Programowanie_w_systemi
e_UNIX/OpenCL


Pozdrawiam

Adam

do góry

W dniu niedziela, 3 marca 2013 20:38:27 UTC+1 użytkownik Adam Majewski napisał:
> Zapraszam do podzielenia się doświadczeniemi , np na :
> http://pl.wikibooks.org/wiki/Programowanie_w_systemi
e_UNIX/CUDA
> http://pl.wikibooks.org/wiki/Programowanie_w_systemi
e_UNIX/OpenCL

Redeon tak pobił teslę?
http://clbenchmark.com/result.jsp
Coś mi się nie chce wierzyć, to chyba
jednak problem złego wykorzystania zasobów...

Pozdrawiam

do góry