Új hozzászólás Aktív témák

• #27 Abu85 HÁZIGAZDA lionhearted #25

  Új Válasz 2015-03-18 20:57:43 #27

  Új hozzászólás

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

  Privát üzenet küldése

  

  Abu85

  HÁZIGAZDA

  válasz lionhearted #25 üzenetére

  Nekem architektúra szintjén 4x-et mondtak Vec2+Vec2 co-issue-vel. Ebből eléggé egyértelmű, hogy miképp működik. A Maxwell esetében is fontos, hogy mihez hasonlítják a 2x-et. Mert van a Maxwellnek egy olyan verziója, amely eleve 2x-es a sima Maxwellhez képes FP16-ban.

  (#26) Geri Bátyó: Egyszerű. Eddig FP16-ban és Int8-ban rossz volt a rendszer, mert egy-egy operációt tudott a CUDA mag. Most többet fog tudni. Ezt jelenti, amikor arról beszélnek, hogy erre optimalizálták. Ez az FP32-t nem érinti negatívan. Mondjuk pozitívan sem.

• #24 Abu85 HÁZIGAZDA Geri Bátyó #23

  Új Válasz 2015-03-18 18:41:23 #24

  Új hozzászólás

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

  Privát üzenet küldése

  

  Abu85

  HÁZIGAZDA

  válasz Geri Bátyó #23 üzenetére

  Nem, nincs butítás. Ez csupán a deep learninghez alakítás. Ennek nincs igazán hatása a többi területre. Csak megjegyzem, hogy mindaz, amit az NV itt csinál ezzel a vegyes pontossággal már ott van az AMD Tonga cGPU-ban, és az is tudja legalább azt játékban, mint a többi GCN. Csak a vegyes pontosságra vonatkozó dolgokat nem használják a consumer programok.

• #22 Abu85 HÁZIGAZDA lionhearted #20

  Új Válasz 2015-03-18 18:32:42 #22

  Új hozzászólás

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

  Privát üzenet küldése

  

  Abu85

  HÁZIGAZDA

  válasz lionhearted #20 üzenetére

  A skalárfeldolgozó azt számol, amire felkészítik. Simán kiegészíthető egy alapvetően fixpontos skalárfeldolgozó lebegőpontos támogatással. Persze ilyenkor a hagyományos fixpontos név megszűnik, de ez csak formalitás.

Új hozzászólás Aktív témák