Új hozzászólás Aktív témák

• #45 MaUser addikt hapakj #44

  Új Válasz 2017-08-25 08:55:26 #45

  Új hozzászólás

  Összes hozzászólása itt Válaszok az összes hozzászólására itt Válaszok erre a hozzászólásra

  Privát üzenet küldése

  

  MaUser

  addikt

  válasz hapakj #44 üzenetére

  Egy játékban?

  Btw, ha éppen kevés a 16-bit float és csak ilyen hw áll rendelkezésre, azért offset kompenzációval elég sok minden meg lehet oldani. Anno is így mentek a dolgok és ma is használják ezer helyen. Nyilván viszi a futásidőt, de ha csak így megy, hát ez is egy megoldás.

• #43 MaUser addikt Bici #30

  Új Válasz 2017-08-24 20:48:15 #43

  Új hozzászólás

  Összes hozzászólása itt Válaszok az összes hozzászólására itt Válaszok erre a hozzászólásra

  Privát üzenet küldése

  

  MaUser

  addikt

  válasz Bici #30 üzenetére

  

  Abu: Ez is számít, nyilván a tensor magoknak sok haszna nincs gamingben.

  Hát pedig fizikát lehetne számolni velük ezerrel, ahogy a gpu-k jó részén azt teszik.

• #29 MaUser addikt Bici #28

  Új Válasz 2017-08-24 12:37:22 #29

  Új hozzászólás

  Összes hozzászólása itt Válaszok az összes hozzászólására itt Válaszok erre a hozzászólásra

  Privát üzenet küldése

  

  MaUser

  addikt

  válasz Bici #28 üzenetére

  Ne már egy olyan oss(!) tool-al akarjunk gpgpu performance-ról általános következtetést levonnai, ami azzal kezdi, hogy még a proprietary api-kat sem támogatja.

  Nézz meg egy sima fft számolásnál milyen korlátok és sebesség issue-k vannak néhány népszerű platform (matlab, python, stb.) alatt...

• #27 MaUser addikt Bici #23

  Új Válasz 2017-08-24 12:20:33 #27

  Új hozzászólás

  Összes hozzászólása itt Válaszok az összes hozzászólására itt Válaszok erre a hozzászólásra

  Privát üzenet küldése

  

  MaUser

  addikt

  válasz Bici #23 üzenetére

  Azért merült fel ez bennem már régóta, mert az nV karik GPGPU feladatokban nem szerepelnek olyan jól a játékbeli előnyükhöz képest,

  Ez a hét vicce. FYI, gyakorlatilag csak nV cluster-t találsz szinte az összes vállalatnál, olyannyire nem szerepelnek jól GPGPU-ban. Ne keverjük az i egy-két soho alkalmazást valós feladatokkal. Jelenleg ott vagyunk GPGPU szintjén, hogy ipari feladatoknál van 99%-ban legacy és/vagy maintained cuda/cuda-t használó kódod.

  Egyetemi szinten meg még durvább a helyzet, ha nem célirányos ocl konfra mész, tű a szénakazalban nem cuda-n bemutatott kutatás. Elvégre ki a rák akar szívni, amikor cuda-val az nv gyakorlatilag mindent a feneked alá tesz? Ocl-lel még mindig ott tartunk, hogy egy sima Matlab-ban( ) sincs normális support hozzá. Miről beszélünk akkor? Végül is, az elsőszámú ipari/egyetemi tool sem támogatott normálisan...

Új hozzászólás Aktív témák