1001コメント314KB

【GPGPU】くだすれCUDAスレ pert4【NVIDIA】

レス数が1000を超えています。これ以上書き込みはできません。

0001デフォルトの名無しさん

2010/12/04(土) 21:57:13

このスレッドは、他のスレッドでは書き込めない超低レベル、
もしくは質問者自身何が何だが分からない質問を勇気を持って書き込むスレッドです。
CUDA使いが優しくコメントを返しますが、
お礼はCUDAの布教と初心者の救済をお願いします。

CUDA・HomePage
http://www.nvidia.com/cuda

関連スレ
GPUで汎用コンピューティングを行うスレ
http://hibari.2ch.net/test/read.cgi/tech/1167989627/
GPGPU#5
http://hibari.2ch.net/test/read.cgi/tech/1281876470/

前スレ
【GPGPU】くだすれCUDAスレ【NVIDIA】
http://pc12.2ch.net/test/read.cgi/tech/1206152032/
【GPGPU】くだすれCUDAスレ pert2【NVIDIA】
http://pc12.2ch.net/test/read.cgi/tech/1254997777/
【GPGPU】くだすれCUDAスレ pert3【NVIDIA】
http://hibari.2ch.net/test/read.cgi/tech/1271587710/

0002デフォルトの名無しさん

2010/12/04(土) 21:58:52

関連サイト
CUDA Zone
http://www.nvidia.co.jp/object/cuda_home_jp.html
フォーラム
http://forum.nvidia.co.jp/EokpControl?&event=TE0001

CUDAに触れてみる
http://chihara.naist.jp/people/STAFF/imura/computer/OpenGL/cuda1/disp_content

cudaさわってみた
http://gpgpu.jp/article/61432191.html

CUDA のインストール
http://blog.goo.ne.jp/sdpaninf/e/9533f75438b670a174af345f4a33bd51

NVIDIAの「GeForce 8800 GT(G92)」と次に控える64-bit GPUアーキテクチャ
http://pc.watch.impress.co.jp/docs/2007/1031/kaigai398.htm

CUDAを使う
http://tech.ckme.co.jp/cuda.shtml

NVIDIA CUDAを弄ってみたその2
http://dvd-r.sblo.jp/article/10422960.html

CUDAベンチ
http://wataco.air-nifty.com/syacho/2008/02/cuda_2044.html

KNOPPIX for CUDA
http://www.yasuoka.mech.keio.ac.jp/cuda/

0003デフォルトの名無しさん

2010/12/04(土) 22:27:14

なるほど
低レベル質問にも対応するスレだったんだな
道理でCUDAは意味が無いという意見が出て来るわけだ

0004デフォルトの名無しさん

2010/12/04(土) 23:04:15

いいかげんpertはなおしたほうがいいと思うの…

0005デフォルトの名無しさん

2010/12/04(土) 23:09:17

pertって？
ORのPERT？
だとしてもCUDAとの関係がわからん

0006デフォルトの名無しさん

2010/12/04(土) 23:32:44

…単純にスペルミスだろ

0007デフォルトの名無しさん

2010/12/04(土) 23:43:31

あ～スレタイのか、納得しますた

0008デフォルトの名無しさん

2010/12/05(日) 01:01:35

並列計算の実験でGT240のグラフィックボードを買おうとしてるんですが
買ったほうがいいですか？ちなみに行列の演算を高速化したいというのが
目的です。

0009デフォルトの名無しさん

2010/12/05(日) 01:28:17

金をどぶに捨てる気か？
GT430にしろよ・・・

0010デフォルトの名無しさん

2010/12/05(日) 01:30:18

このスレってゆとりも対象にしてるの？

0011デフォルトの名無しさん

2010/12/05(日) 11:15:34

SQLiteをVRAMに構築して並列で検索してはどうだろう

0012デフォルトの名無しさん

2010/12/06(月) 02:44:34

どうしてもvisual profilerのcounter valueの項目のうち、cc2.0以降のactive cycle とactive warps
の意味がわかりません。意味を詳しく教えていただけませんか？

0013デフォルトの名無しさん

2010/12/06(月) 17:16:54

active warp は毎サイクルでのactiveなwarpの数の総和
activeなwarpってのは要はメモリアクセスとかで待ってる状態じゃなく今すぐ実行できるwarpの事
fermiだと0から48まで

active cycleはactiveなwarpが一つでもあるcycleの数
例えば総cycleが10cycleだとして、
毎cycleにactiveなwarpが有ればactive cycleの値は10
10cycleの内、activeなwarpが一つもないcycleが一回あったとしたら9

warpが分からないとかなら青木先生の本でも読めばいい

0014デフォルトの名無しさん

2010/12/06(月) 19:37:01

レスありがとうございます。
warpについては理解しています、がいまだcycleがわかりません・・・

cycleとはある命令を実行するのにかかる時間であり、ある命令はwarp単位で発行されるという認識です。
ですので1cycleで48warpがアクティブになるというのがよくわかりません。

またこれらの値は大きいほうがいいのか、小さいほうがいいのかもいまいちわからない状況です。
たとえばSummary Tableにでているactive warps/active cycle やretire ipcなども
意味と値が大きいほうがいいのか、がいくら調べてもわかっていない状況です。
よろしければご教授お願いします。

0015デフォルトの名無しさん

2010/12/06(月) 21:51:21

サイクルはクロックやHzとほぼ同じ

0016デフォルトの名無しさん

2010/12/06(月) 21:58:05

一応聞いとこ
>>14高校生？

0017デフォルトの名無しさん

2010/12/06(月) 22:08:20

>>14
プロファイラのマニュアルはちゃんとあるし、
プログラミングガイド、ベストパフォーマンスガイドに基本は全て載ってる
全部公式のガイドだぞ

0018デフォルトの名無しさん

2010/12/06(月) 22:26:33

>>16
初心者とゆとりが融合した素晴らしい素材ってことは分かる

0019デフォルトの名無しさん

2010/12/06(月) 23:18:43

cycleがクロックだとは分かっていましたが、1cycleにつき1SM内では1warpのある処理を実行できると思っていましたので（正確には2warpを2cycleで）
1cycleで複数のwarpを処理できるという点がいまいちどういう仕組みなのかわかっていませんでした。
Type SMとありましたので、この値はあるSMで計測された値だということがわかりますが、
上記のような認識だとつじつまが合わない（1SMで1warpずつ処理すると思っていたのに、1cycleで最大48warpがアクティブになるという点）ため質問させていただきました。
ややこしく、説明がいまいちになってしまい申し訳ないです。

プロファイラのマニュアルも読みましたが、読んだ上でゆとり質問となり言い返す言葉もありません。
これ以上スレを汚すのもどうかと思いますので質問を〆させていただきます。
レスくださった方ありがとうございました。

0020デフォルトの名無しさん

2010/12/06(月) 23:50:52

active warpは実行可能な待ち行列に待機中のwarpのことだろ。
待ち行列が無いと、演算器に空きが出来てもwarpを割り当てる事が
出来ないから、ある程度の長さの待ち行列が常にある事が
(演算器の利用効率を最大化するという意味では)重要になる。

fermiの細かいアーキテクチャまでは分からないが、
アレだけレジスタが多いとregisterがマルチバンクになっている可能性が高いから
例えば奇数cycleは奇数IDのwarp、偶数cycleは偶数IDのwarpしか発行できない
とかそういう制限があるかもしれない。
その場合はactive warpだからといって
常に任意のcycleに実行可能とならない場合もあるから
待ち行列は長い方が良い。

0021デフォルトの名無しさん

2010/12/07(火) 01:36:55

>>19
質問とはちょっとずれるかもしれないけど、
http://www.softek.co.jp/SPG/Pgi/TIPS/public/accel/gpu-accel2.html
この記事が長いけど結構分かりやすいかもね
ゆとりとかは挨拶だから気にするなよ

0022デフォルトの名無しさん

2010/12/07(火) 01:52:08

グラフィックボードを買うのは初めてなんですが、
GT430で探したんですが1スロットで収まる商品が2つしかなく、
評判も安定性も良くないらしいのでELSAのGT240にしようかと思っています。
何かアドバイスがあればよろしくお願いします。

0023デフォルトの名無しさん

2010/12/07(火) 02:23:56

このスレの住人にはやはり愛がありますね。
21さんのレスなんか涙がレスが読めなくなるほど。

ゆとりくんは心に刻むんだぞ。
玄人のおぢさんたちに生暖かく見守られているということを。

0024デフォルトの名無しさん

2010/12/07(火) 02:39:12

>>22
430使ってるが不具合ないよ。
あと今更fermi以前でPG組む気になれん。
CUDA目的ならCCのバージョンを意識しないと駄目だと思うぞ。
それをわかってて240にするなら何も言わない。

0025デフォルトの名無しさん

2010/12/07(火) 02:40:26

キャッシュの有無はでかいね。2スロットは兎も角、長さにも要注意。

0026デフォルトの名無しさん

2010/12/07(火) 02:53:55

>>23
目的、予算、制限を明確にしてほしいな
高速処理が至上命題で、予算も制限もないなら
言うまでもなく、Teslaボードをお勧めします
やっぱりfermi世代の方が無難なチョイスなので、
fermiチップのボードだとしてアドバイス

ELSAのGT240は使ってないからよくわからないけれど、
メーカーとしては鉄板の印象。安心していいのでは？
CUDAの場合、仮想メモリは使えないので、やりたい計算で
512MBのメモリだけで、溢れないか見積もることをお勧めします

１スロット幅を譲れない場合、少々値が張るが
Quadroならば１スロット幅のモデルもあるよ．
Quadro4000までは1スロット幅のようだ
市場価格は2万程度から10万弱くらい

2スロットでもよくて，そこそこ安く高性能というなら
やっぱりGTX580あたりがいいんじゃないかな
doubleやECC機能を利用しない限り、Teslaモデルより高速
コスパ最強です

それからWindowsの場合は画面出力用のボードとCUDA用のボードを分けると
デバッグしやすい気がするので、ボード2枚構成というのも考慮の余地があるかも
Linuxはしらない

0027デフォルトの名無しさん

2010/12/07(火) 02:58:31

おっと、GT240はfermiじゃないね
GT440だと脳内保管されてた・・・
ワシもfermiでないGT240は推奨しません

CUDAの勉強が目的ならGT240の方が
勉強になるかもしれない

fermiはキャッシュのおかげでタコなコードでも
そこそこ動いてくれるから

002826

2010/12/07(火) 03:09:57

しまったアンカも間違えてた
>>23は間違いで>>22
もう寝ます

0029デフォルトの名無しさん

2010/12/07(火) 09:53:37

fermiってなんですか？自分は行列の演算を高速化したいだけなので
詳しいことはわかりませんが、同じコア数でもGT240とGT439ではなぜ
これだけ値段の差があるのか解りません。できれば安いほうを買いた
いのですが予算は10000円程度で考えています。
何かよきアドバイスがあればよろしくお願いします。

0030デフォルトの名無しさん

2010/12/07(火) 09:59:41

fermiってやつを買えば簡単なプログラミングで高速演算できる
fermiじゃなきゃ高速演算の手間がかかる
と思えばおk

0031デフォルトの名無しさん

2010/12/07(火) 10:11:53

GF-GT430-LE1GHD/1ST
これなんかどうでしょう？騒音がすごいというレビューを見ましたが。

0032デフォルトの名無しさん

2010/12/07(火) 12:48:45

>>29
詳しくはは自分でも調べてほしいのだが、fermiってのはアーキテクチャの世代の名前。
fermiアーキテクチャのチップは4xx(480,470,465,460,450,430,)と5xx(580)。
それ以前の2xxシリーズなどはfermiではない。

cudaは最適化とかに限らず、ハードウエアで使える資源（メモリやALU）のことを意識して
プログラムを組む必要があるのだが、fermi世代だと色々制限がなくなって、プログラムを組む
労力が少なくてすむようになってるし、パフォーマンスも上がりやすい。
それで制限に関係するのがCC（Compute Capability）の番号。
この番号によって使える機能が変わるfermiは今のところ2.0と2.1。
詳しくはcuda cプログラミングガイド3.2.2 Appendix G.参照

「詳しいことは知りませんが」とか言って下調べをしないで
プログラムしようとすると痛い目にあうぞ
予算1万ならfermi世代だと430しかないな。

0033デフォルトの名無しさん

2010/12/07(火) 13:16:57

単精度だけでいいのかな。
最初はIONみたいなので消費電力を気にせずつかえるのがいいと思う。
速いカードの方が当然チューニングの効果がでるからおもしろい。
プロファイラで取れる情報もカードによって違うみたい。

0034デフォルトの名無しさん

2010/12/07(火) 13:24:26

テクスチャメモリってどのような利点があるのですか？
添字が小数点の時の線形補完を使ってみたいのですが、
メモリはチップ外にあるということはグローバルメモリと同等の速度なのですよね
キャッシュはされるみたいですが同じデータを何度も利用しなくては意味がないということでしょうか

0035デフォルトの名無しさん

2010/12/07(火) 15:47:54

ELSA GLADIAC GT 430 LPと
EVGA GeForce GT 430で迷っています。
どちらがいいかアドバイスをよろしくお願いします。

0036デフォルトの名無しさん

2010/12/07(火) 15:54:56

どっちでも変わらないとおもうよ。
印象でいえばELSAは手堅い印象。
EVGAはゲーム向けのチューニングとかしてて精度の点が不安。
予算的に許すならquadro600がいいかもしれない。
ただしELSAでもgeforce,quadroはcudaでの演算結果の保証はしてないから
演算を間違うコアが含まれていても交換対象ではない。

0037デフォルトの名無しさん

2010/12/07(火) 16:01:43

因みに整数演算しか行いません。
有限体の行列なので浮動小数点は使いません。
予算は１万円です。コアの精度ってなんですか？
コアが計算を間違えることがあるのですか？
精度を求めるならどちらがいいでしょうか？
質問ばかりで申し訳ありませんが、ご回答よろしくお願いします。

0038デフォルトの名無しさん

2010/12/07(火) 16:06:17

予算1万ならELSAでぎりぎり。

0039デフォルトの名無しさん

2010/12/07(火) 16:08:52

それ、浮動小数点演算いるんじゃね？
浮動小数点の意味わかってる？

0040デフォルトの名無しさん

2010/12/07(火) 16:13:50

floatとかdoubleとかですよね。
自分が計算したいのはunsigned shortなのです。
以前雑誌の特集にCUDAの記事がありNVIDIAのコアには整数演算も
可能であるということが書かれてありました。なので整数の行列も
高速化できるかと思っていました。何か間違いがありましたら
ご指摘をお願いします。

0041デフォルトの名無しさん

2010/12/07(火) 16:14:46

quadro600がいいかもしれないといったのは、
演算結果は保証されないけど、geforceより厳しい検査がされているから
より演算結果の値にエラーがでにくいだろうという推測にもとづくもの。

演算を間違うコアがふくまれる場合があるというのは簡単に言えば１＋１が２以外の結果になる
コアが含まれる場合があるって意味。

精度を求めるというのが演算結果を保証するならという意味ならTESLAしかない。
そこまでの予算を確保できない場合、上記のようなコアが含まれていないかを確認するプログラムを自分で
組んで確認しないといけない。
単純に足し算だけでなく、四則演算、浮動小数点演算、指数関数、超越関数、L1、L2キャッシュ、
VRAMに至るまで正当性を確認する必要がでると思ってる

0042デフォルトの名無しさん

2010/12/07(火) 16:21:20

あ、CPUでの演算結果があるなら、同じ計算をしてみて結果が同じかどうかで
簡略な確認としてもいいかもしれない。それで許されるのであれば。

0043デフォルトの名無しさん

2010/12/07(火) 16:30:24

CPUの演算結果とGT430の９６個のコアの演算結果を比較して
間違いがないことを実験する必要があるのですね。
同じ計算機なのにどうしてそのような確率的な動作をするのか
理解しかねます。CPUだけが特別に演算が正確なのはなぜでしょう?
GPUも同じ32ビットレジスタなので構造が同じだと思ったのですが。

0044デフォルトの名無しさん

2010/12/07(火) 16:41:06

その比較はあくまで簡略な方法だよ。全部のコアが使われる保証だってないんだから。

CPUは元々計算用に作ってあるでしょ？CPUで１＋１＝２を保証しなくてだれが買うよ？
GPUは元々描画用に作られてて座標計算とかfloatで計算することが多い。
そのときに1.000002が1.000002になってもあんまり影響ないでしょ？
もちろん正確に計算できるほうがいいが、描画だったら多少不正確でも問題はないだろうっていう判断だと思う。
それにCPUに比べてALUが膨大なこともあってすべてのコアの演算精度を保証してたらキリがないでしょ。コスト的に。
そういう用途の人のために厳しいテストをしたTESLAが用意されてる訳。でもその分料金上乗せさせてもらいますよって事だよ。

0045デフォルトの名無しさん

2010/12/07(火) 16:41:22

検算しないといけないとなると計算結果が信用できないということで
並列化のメリットがなくなってしまう気がします。

0046デフォルトの名無しさん

2010/12/07(火) 16:42:14

あ、ごめん。
×　そのときに1.000002が1.000002になっても
○　そのときに1.000001が1.000002になっても

0047デフォルトの名無しさん

2010/12/07(火) 16:45:03

いや、毎回検算しろといってるわけじゃなく、

一回CPUと同等の計算をして、演算結果に謝りがないことの確認をもって
GPUのコアにエラーが発生していないことの簡略確認にすれば？
ってことだよ

0048デフォルトの名無しさん

2010/12/07(火) 16:48:03

浮動小数点はどうでもいいけど、せめて整数演算だけは正確に
計算してもらいたいと祈るばかりですね。

0049デフォルトの名無しさん

2010/12/07(火) 16:51:10

体だと素数で剰余をとるのですか、どういうコードか教えてくれませんか。

0050デフォルトの名無しさん

2010/12/07(火) 16:54:15

長崎大の検査プログラムがほしい。。。。
が、無理なんだろうなあ

0051デフォルトの名無しさん

2010/12/07(火) 17:07:36

ちょっと恥ずかしいけど見せますねｗ
typedef union uni {
unsigned long long int dd[2];
unsigned int cc[4];
unsigned short ss[8];
unsigned char m[16];
} on;

void code (char str[256]){
int i,c,d;
unsigned long long int u=0;
i=0;
do { c = str[i] & 0xff; e[i]=c; if((c & 0x80) > 0)
{ ++i; d = str[i] & 0xff; e[i]=d; c^=(d<<8);
printf("'%c%c' %u\n",c,d,c);
} else { printf("'%c' %d \n",c,c); } ++i; }while(c != '\0');
printf("\n");
for(i=0;i<16;i++)
printf("%u ",e[i]);
printf("\n");
for(i=0;i<8;i++)
u^=(u<<8)^e[i];
c3[0]=u;u=0;
for(i=8;i<16;i++)
u^=(u<<8)^e[i];
c3[1]=u;
printf("%llu %llu\n",c3[0],c3[1]);

}

0052デフォルトの名無しさん

2010/12/07(火) 17:08:51

__m128i s5(__m128i cc){
int a[16]={7,3,15,11,5,1,13,9,6,2,14,10,4,0,12,8};
int i,j;
unsigned int b=0,c;
__m128i GG;

for(i=0;i<16;i++)
GG.m128i_u8[a[i]]=cc.m128i_u8[i];

for(i=0;i<4;i++)
b^=(GG.m128i_u8[i]<<(8*i));
c=b&0x1f;
b=(b>>5)^(c<<27);
for(i=0;i<4;i++){
GG.m128i_u8[i]=b&0xff;
b=(b>>8);
}

return GG;
}

0053デフォルトの名無しさん

2010/12/07(火) 17:13:42

int main(int argc,char *argv[]){
int sum=0,j=0,i=0,k=0,fd,read_size,o,p,l,ll;
FILE *fp,*fq;
unsigned short m;
char fin[80],fout[80];

__m128i pa = a; __m128i pb = b; __m128i pc = c;
__m128i *pd1= (__m128i*)d1;__m128i *pd2= (__m128i*)d2;__m128i *pbuf=(__m128i*)buf;
__m128i *pbuf2=(__m128i*)buf2;
__m128i va, vb, vc, vd1, vd2;

printf("main\n");
fp=fopen(argv[2],"wb");
fq=fopen(argv[1],"rb");
hash(argv[3]);
for(i=0;i<16;i++){
d1[i]=0;
d2[i]=0;
}

0054デフォルトの名無しさん

2010/12/07(火) 17:15:17

while((read_size=fread(buff,1,SIZE,fq))){
for(k=0;k<SIZE/32;k++){
memcpy(buf,&buff[32*k],32);
for(j=0;j<16;j++){
o=FG[a.m128i_u8[j]];
p=FG[b.m128i_u8[j]];
for(i=0;i<16;i++){
d1[i]^=GF[((o+h1[p][i]-2)&0xff)+1];
d2[i]^=GF[((o+h2[p][i]-2)&0xff)+1];
}
vd1 = _mm_loadu_si128(pd1); vd2 = _mm_loadu_si128(pd2);
_mm_storeu_si128(pbuf, _mm_xor_si128(_mm_loadu_si128(pbuf), vd1));
pbuf++;
_mm_storeu_si128(pbuf, _mm_xor_si128(_mm_loadu_si128(pbuf), vd2));
pbuf--;
}
_mm_storeu_si128((__m128i *)&a,_mm_xor_si128(_mm_loadu_si128((__m128i *)&a),_mm_and_si128( _mm_add_epi8(_mm_loadu_si128((__m128i *)&d1),_mm_loadu_si128((__m128i *)&c)),_mm_set1_epi8(0x0ff))));
_mm_storeu_si128((__m128i *)&b,_mm_xor_si128(_mm_loadu_si128((__m128i *)&b),_mm_and_si128( _mm_add_epi8(_mm_loadu_si128((__m128i *)&d2),_mm_loadu_si128((__m128i *)&c)),_mm_set1_epi8(0x0ff))));
buf[0]=*pbuf->m128i_u8;
pbuf++;
buf[16]=*pbuf->m128i_u8;
pbuf--;
memcpy(&buff[32*k],buf,32);
}
fwrite(buff,1,read_size,fp);
}
fclose(fp);
fclose(fq);
return 0;
}

0055デフォルトの名無しさん

2010/12/07(火) 17:15:28

メモリ階層ってこの理解でいいのかな。自信がない

レジスタ

L1

共有メモリ

L2

0056デフォルトの名無しさん

2010/12/07(火) 17:16:12

>>55
誤爆

0057デフォルトの名無しさん

2010/12/07(火) 17:18:52

メモリ階層ってこの理解でいいのかな。自信がない

レジスタ
｜　　　　　↑
L1　　　　　｜コーヒレント
｜　　　　　↓
共有メモリ
｜　　　　　↑
L2　　　　　｜コーヒレントじゃない
｜　　　　　↓
グローバルメモリ

この資料に書いてあるとかいう情報があるなら
それも教えてもらえると助かります

0058デフォルトの名無しさん

2010/12/07(火) 17:19:11

一部省略してありますが大体こんな感じです。素体は楕円曲線暗号に
使っていますがRubyの実装でC言語にはしてないです。
このプログラムは疑似乱数生成器で基本的には最大32*32の行列演算を
主に行っています。これが並列化できれば32回の計算で256ビットの
乱数を生成できるので効率的になります。
というかなればいいなあと思ってます。

0059デフォルトの名無しさん

2010/12/07(火) 18:40:08

CUDAでINTって糞性能だろ・・・
int(4)なら加算だけでもfloatの4倍かかるぞ
FMAとかも使えないし

0060デフォルトの名無しさん

2010/12/07(火) 18:42:12

こっちのほうが早いですね。荒らしてしまい申し訳ないです。

http://sky.geocities.jp/tcshacina/grs1.c

0061デフォルトの名無しさん

2010/12/07(火) 18:45:53

>>59
じゃあグラフィックボードで並列計算するのはこの場合逆効果になる
のでしょうか？買わないほうがいいですか？

0062デフォルトの名無しさん

2010/12/07(火) 18:50:41

floatで計算すりゃいいんじゃね？
intにこだわる必要あるのか？

0063デフォルトの名無しさん

2010/12/07(火) 18:58:39

floatのXORってできるんですか？疑似乱数生成器なのでfloatで一旦
計算しておいて後から一斉にunsigned charに変換することが可能で
しょうか？暗号に使う疑似乱数なので整数で処理しないといけない
という条件があります。

0064デフォルトの名無しさん

2010/12/07(火) 19:03:47

楕円暗号入門を手に取ってみたけどやっぱりわからなかった。
あれだけコードがかけるならいいおもちゃだから買えばいいんじゃないですか。
Cellも整数の論理演算にむいていた気がします。６個のタスクを生成できる
ので使いやすい場合もありました。

0065デフォルトの名無しさん

2010/12/07(火) 19:05:17

>>63
xorshiftのこと？
であればCURANDってのがあるからそれ使えば乱数生成可？
メルセンヌもSDKについてる

0066デフォルトの名無しさん

2010/12/07(火) 19:14:48

普通のCPUでやっているような排他的論理和（XOR）をCUDAもできるのか
という疑問です。できなければfloatのままデータを生成して、後で
CPUにまとめてfloat->intの処理をさせながらXORを計算するという
方法ではうまくいかないでしょうか？マニュアルには論理演算も
可能と書いてありますけど、整数演算の速度が浮動小数点より遅い
というのが気がかりです。

Rubyで作った暗号化モジュールいろいろ
http://sky.geocities.jp/tcshacina/crypt.html

0067デフォルトの名無しさん

2010/12/07(火) 19:24:50

だからさXORを乱数生成に使うんじゃねの？

0068デフォルトの名無しさん

2010/12/07(火) 19:29:45

使います、そのためには整数でなければならないと思っています。

0069デフォルトの名無しさん

2010/12/07(火) 19:32:36

だからCURAND使えばいいべよって書いたんだべ
CURANDのマニュアル読んで目的にかなうかどうか確認し

0070デフォルトの名無しさん

2010/12/07(火) 19:34:29

xorshiftってなんですか？自分のオリジナルのアルゴリズムに
どうやってそれを使えばいいのですか？ソースは晒してあるので
自由に見て感想を聞かせてください。

0071デフォルトの名無しさん

2010/12/07(火) 19:37:09

悪いが人のソース追っかけるほど暇ないよ

0072デフォルトの名無しさん

2010/12/07(火) 19:40:05

私のソースを見たいと言った人はどこへ行ったんだ！？

0073デフォルトの名無しさん

2010/12/07(火) 20:49:54

胡散臭い文体見た瞬間に例の暗号の人だってすぐ分かった。

0074デフォルトの名無しさん

2010/12/07(火) 21:00:10

＞自分のオリジナルのアルゴリズムにどうやってそれを使えばいいのですか？
それを考えるのがプログラマだろうが！１から１０まで聞いてないで自分でやってみろ

0075デフォルトの名無しさん

2010/12/07(火) 22:12:31

使えないと言いたい

0076デフォルトの名無しさん

2010/12/07(火) 23:07:11

一日に書き込む疑問文は3つまでにしてくれ。

0077デフォルトの名無しさん

2010/12/07(火) 23:28:12

珍しく伸びてるなと思ったら…

いくら超低レベルスレといっても
"ちょっと調べて分かること"を次々質問するのはどうなんだ？

答えるは簡単だがこの程度のことを人に頼る時点で
そいつにまともなプログラムが作れると思えん

0078デフォルトの名無しさん

2010/12/07(火) 23:48:44

>>77
同感。
そういうやつでも数学的素養が優れていたりして特定のモデルの構築とかには
優れた才能を発揮する奴がいるから、そういう所だけは認めざるを得ないこともある
のが悔しい。

0079デフォルトの名無しさん

2010/12/07(火) 23:52:59

シミュレーション系で使う人、シミュレート板に新スレ立てたんでよろしく
プログラミングの方法より使い方を話題にしたいなと

GPGPUでシミュレーションを高速化してみる
http://kamome.2ch.net/test/read.cgi/sim/1291687353/

0080デフォルトの名無しさん

2010/12/08(水) 01:41:45

>>66
Micro-benchmarking the GT200 GPU
http://www.eecg.toronto.edu/~moshovos/CUDA08/arx/microbenchmark_report.pdf

GT200ではint加算、減算、論理演算、シフトのレイテンシ、スループットはfloat積和算と同じ。

CPUと違ってレイテンシが24もあるが、並列度が十分にあれば普通に使える。

Fermiでの資料を探したが見つからなかった。誰か頼む。

0081デフォルトの名無しさん

2010/12/08(水) 05:30:08

Arithmetic Instruction
Int add, shift, min, max: 4 cycles (Tesla), 2 cycles (Fermi)
Int mul: 16 cycles (Tesla), 2 cycles (Fermi)
FP32 add, mul, mad, min, max: 4 cycles (Tesla), 2 cycles (Fermi)
FP64 add, mul, mad: 32 cycles (Tesla), 2 cycles (Fermi)
Int divide and modulo are expensive
Divide by 2^n, use “>> n”
Modulo 2^n, use “& (2^n ? 1)”
Avoid automatic conversion of double to float
Adding “f” to floating literals (e.g. 1.0f) because the default is double

と、あった

0082デフォルトの名無しさん

2010/12/08(水) 07:54:02

だからFermiはfloatとintが同じ速度だとあれほど(ry

0083デフォルトの名無しさん

2010/12/09(木) 17:13:20

環境をインストールしてはじめようと思ったんだが
SDKのサンプルtempleteが2008で開けない。

カスタムビルド規則ファイル 'C:\Program Files\Microsoft Visual Studio 9.0\VC\VCProjectDefaults\NvCudaRuntimeApi.rules' が見つからないか、または読み込めませんでした。

って出たからrulesファイル探してるんだけどないんだよな…
SDK再インストールしたけどやっぱりない。たすけて

0084デフォルトの名無しさん

2010/12/10(金) 11:21:46

ドライバAPIを使えば，一つのホストスレッドで
複数のGPUに並列でカーネルを実行させることが出来ますか？

0085デフォルトの名無しさん

2010/12/10(金) 12:16:29

二つのホストスレッドが必要じゃね?

008684

2010/12/10(金) 13:49:23

>>85
無理ですか…

シミュレーションを複数のGPUで実行して，
結果をOpenGLで可視化したいと思っています(出力は一つから)．
ランタイムAPIとOpenMPを組み合わせて作ろうと思っていました．

しかし，その場合malloc等の前処理の段階で
複数のホストスレッドでcudaSetDeviceを使ってしまうと，
いざカーネルを実行しようとしたときに，マスターホストスレッド以外のホストスレッドの
cudaSetDeviceで"もう既にセット済"というエラーが出てしまいます．

OpenGLのイベント待ちのために，
複数スレッド→マスタスレッドのみ→複数スレッド→マスタスレッドのみ→…
という状態を繰り返すのですが，1スレッドに戻っても
マスタスレッド以外で設定したコンテキストが消えないのが原因のようです．

マニュアルのドライバAPIのコンテキストの部分を読んでいたら，
色々命令があるので出来るかもしれないと思い質問させていただきました．
ホストスレッドの数は複数でも問題ないので，
コンテキストの操作に詳しい方いらっしゃいますか？

0087デフォルトの名無しさん

2010/12/10(金) 15:36:25

複数GPUの扱いがおかしいんじゃね？
良く見直してみ

0088デフォルトの名無しさん

2010/12/10(金) 17:16:41

kernelの実行命令が繰り返されるのはどういう状況のときそうなりますか？

GlobalからのReadキャッシュをL1キャッシュにおいて有効にしたときと無効にしたときにL1キャッシュが無効のほうが早い場合があり、
Visual Profilerで調べてみるとinstruction　issueが93152（L1有効）と67666(L1無効)
で差があり、replayを含まないinstruction executed が54592(有効無効どちらも同じ値)
ですのでreplayに問題があると思ったのですが、どういう状況下でreplayが起こるのかいまいちわかりません。

replayはコアレッシングできていないreadのときにおこると思っていたのですが、間違っているなら教えてください。

0089デフォルトの名無しさん

2010/12/10(金) 23:41:08

visualvasicでプログラムを組んでいるものですが
ビルドルールのemulation modeにて、はい (-deviceemu -D_DEVICEEMU)を選択しても、
下記エラー分が消えません。
calling a host function from a __device__/__global__ function is not allowed

どうすればよいのでしょう？
CUDAのバージョンは3.1です。

0090デフォルトの名無しさん

2010/12/10(金) 23:51:25

エミュレーションって3.1はないんじゃないの

0091デフォルトの名無しさん

2010/12/10(金) 23:55:04

では、printf();は設定なしにつかえるということなのでしょうか？
calling a host function from a __device__/__global__ function is not allowed
するとやはりエラーが消えないのですが・・・

0092デフォルトの名無しさん

2010/12/11(土) 00:13:47

>>91
おまえ言ってること矛盾してるし、何をやってそういうエラーがでたかの説明してなくて
アドバイスを求めても無理。
vbにprintfとかないよね？どういうことなの？

0093デフォルトの名無しさん

2010/12/11(土) 00:14:07

3.1からデバッガが標準でつくようになったのでエミュレーションはもうなくなったはず
Fermi系列なら確かそのまんまprintf使えるけど

windowsならVisual Nsightとかいうのでデバッグできたはず
あとはどうしてもエミュレーション使いたいならcuda2.3使うとか

0094デフォルトの名無しさん

2010/12/11(土) 00:16:07

>>93
printfは確かfermi系だけのサポートのはず。
そして2.3はfermiサポートしてない。3.0からだったはず。

0095デフォルトの名無しさん

2010/12/11(土) 00:19:12

Prallel Nsightな

0096デフォルトの名無しさん

2010/12/11(土) 00:24:18

>>88
同様の現象が起きていて困ってる
GTX480ではinstruction issueが取れなかったんだが、Tesla使い？

009788

2010/12/11(土) 01:12:07

>>96
いえ、GTX480です。ASUS製としか覚えてませんが・・・

0098デフォルトの名無しさん

2010/12/11(土) 18:03:20

C1060x 4をFermiのGTX580x 4に入れ替えた場合の性能比較を
探しています。

フロートの性能は欲しいがC2050は高すぎるということで。

0099デフォルトの名無しさん

2010/12/11(土) 21:19:19

C1060って260相当だっけ？
3DVantageとかの260と580の性能差を4倍したものを求めて見積もればいいんじゃない？

0100デフォルトの名無しさん

2010/12/11(土) 22:44:36

これでCPUがシングルコアだったら大笑い。

0101デフォルトの名無しさん

2010/12/11(土) 23:25:14

floatじゃなくてdouble茶羽化？

0102デフォルトの名無しさん

2010/12/12(日) 00:01:33

性能比較とかどんなアプリ想定しているか書いていない時点でなんだかなあ

とりあえずsoftekでググると何か出てくるかもしれんよ

0103デフォルトの名無しさん

2010/12/12(日) 00:58:43

CPUはGulftwon/3.33GHz*2発で，メモリが残念な16GBです。
アプリ？はR+CUDAかMATLABで多体シミュレーションです。
けどRって言語だよな。

0104デフォルトの名無しさん

2010/12/12(日) 02:22:33

スレ違いな気がするけど、MATLAB 2010bのGPUArrayって使ってみましたか？

0105デフォルトの名無しさん

2010/12/12(日) 13:53:06

3.0以上でfermi系ならカーネル内でprintf対応してるのか
誰かfermi系で128台ぐらいのGPUクラスター作ってくんねーかな

0106デフォルトの名無しさん

2010/12/12(日) 13:57:08

128台でprintfするの？

0107デフォルトの名無しさん

2010/12/12(日) 14:12:03

>>105
ttp://tsubame.gsic.titech.ac.jp/ja/hardware-architecture
東工大にでも逝けや

0108デフォルトの名無しさん

2010/12/12(日) 14:35:17

>>103
その条件でfloatの性能求めるならたいして変わらないんじゃないかな
doubleなら別だけど

0109デフォルトの名無しさん

2010/12/12(日) 14:47:34

>>108
メモリの転送が非同期で双方向通信できるとか
コンカレントカーネル実行ができるとか、自動キャッシュがあるとか
のおかげで最適化（上記の機能を使うように修正）すればかなり早くなると思う。
修正なしでそのままならちょっと～けっこう早くなると思う。

でもR+CUDAを知らないので無責任な推測です。

0110デフォルトの名無しさん

2010/12/12(日) 16:01:53

最適化しなければ、物凄い速くなるけど
最適化してしまえばそんなに性能変わらないんじゃね。

0111デフォルトの名無しさん

2010/12/12(日) 16:45:01

>>110
C1060に最適化したものをそのままFermiで動かしても差はそんなにないだろうって事だと思うけど
それでもコアレスの制限が緩和された影響と自動キャッシュのおかげで結構速くなると思う。

さらにFermiのストリームとかを使用してデータ転送の最適化を行えば段違いになると思う。
特に4枚挿してるということからx8*4の転送速度になって転送がボトルネックになりそうだから
そこの最適化は効いてくるんじゃないかと思ってる

ところで103のMBはガルフ対応だからPCI-e2.0対応だよね？

0112デフォルトの名無しさん

2010/12/12(日) 16:55:36

ごめんストリームはFermi以前から対応してたみたいね。

0113デフォルトの名無しさん

2010/12/12(日) 17:16:59

ストリームは1.3だっけ? C1060って2.0だっけ?

0114デフォルトの名無しさん

2010/12/12(日) 18:35:23

>>113
ストリームはCC依存でtoolkit依存のようだが？

0115デフォルトの名無しさん

2010/12/12(日) 18:36:43

>>113
ストリームはCC依存ではなくtoolkit依存のようだが？

0116デフォルトの名無しさん

2010/12/12(日) 20:48:29

メモリバウンドならその話もわかるが
多体問題って演算バウンドだったんじゃないの確か
GTX580に交換するうまみはそれほど無い気がする

0117デフォルトの名無しさん

2010/12/12(日) 21:13:38

ということはtesla->fermiの性能向上ってメモリ関係（キャッシュ含む）とdoubleだけってこと？
floatなら計算パワーだけで考えると大して性能向上してなかったの？

floatだけならメモリ周りのボトルネックを解消して全体的にFlopsが上がりやすくなりましたって
だけだったのか・・・・

0118デフォルトの名無しさん

2010/12/12(日) 21:34:38

考えるより動けということでGTX580x4枚の見積もり取ってます。
20万＋なら自分の財布でやってしまえ。
ちなみにMathematica8もCUDA対応で年始位にデリバリーとか何とか。

>>104
>MATLAB 2010bのGPUArray
R+CUDAの方に感けて，まだやってませんでした。すみません。

0119デフォルトの名無しさん

2010/12/12(日) 21:43:37

C1060と580のnbodyのベンチをさがしてみた

C1060　443.4GFLOPS
580 447.154 single-precision GFLOP/s at 20 flops per interaction

580は過去スレからc1060はググった結果
なにこれ！？

0120デフォルトの名無しさん

2010/12/12(日) 21:46:09

ごめん↑のC2050だった

0121デフォルトの名無しさん

2010/12/12(日) 21:46:51

> Compute 2.0 CUDA device: [GeForce GTX 580]
16384 bodies, total time for 10 iterations: 69.775 ms
= 38.472 billion interactions per second
= 769.433 single-precision GFLOP/s at 20 flops per interaction

0122デフォルトの名無しさん

2010/12/12(日) 21:58:16

>>121
GTX580結構がんばるんだな…
年末のセールでELSA一枚買ってみようかな

↓480での結果（過去スレから引用）
[単精度]
15360 bodies, total time for 10 iterations: 73.826 ms
= 31.957 billion interactions per second
= 639.149 single-precision GFLOP/s at 20 flops per interaction

0123デフォルトの名無しさん

2010/12/12(日) 22:49:40

>>118
自分でコード書いたほうが速いし確実だと思うけどね

0124デフォルトの名無しさん

2010/12/12(日) 22:52:47

昔、GeForceをごにょごにょしたらQuadroになったように、
GeForceをごにょごにょしたらdoubleが4倍速になったりしないかな。

0125デフォルトの名無しさん

2010/12/12(日) 22:54:13

最近のはならないようになっている
あきらめろん

0126デフォルトの名無しさん

2010/12/12(日) 22:55:44

>>123
行列演算で、CUBLASより速いコードかける？

0127デフォルトの名無しさん

2010/12/12(日) 23:09:54

何でそんな不毛な煽りするかね

0128デフォルトの名無しさん

2010/12/13(月) 22:52:09

コンスタントメモリについて教えてください
__constant__ int i;
int j=1;とした場合(コンスタントメモリに配列以外を置きたい場合)になぜ
cudaMemcpyToSymbol("i",&j,sizeof(int),0,cudaMemcpyHostToDevice);
と文字列のようにして渡すのでしょうか

また、外部ファイルにextern __const__ int i;
と書くと定義が二重ですと言われます
複数ファイルにかかれたカーネルからコンスタントメモリを読み込みたいのですがどのようにすればよいのでしょうか
お願いいたします

0129デフォルトの名無しさん

2010/12/13(月) 23:24:44

>>128
うーん、簡単に言えば、cudaMalloc()でVRAM上のアドレスを得ることができればcudaMemcpy()できる。
一方__constant__の場合はそういうわけにはいかないので、
nvcc独自のちょっとえげつないcudaMemcopyToSymbol()を使わないといけない。
コンパイル単位の分かれたカーネル同士で共有するのは難しいかもねぇ。

0130デフォルトの名無しさん

2010/12/13(月) 23:42:11

>>118
> R+CUDAの方に感けて，まだやってませんでした。すみません。

R+CUDAってどういう構成なのですが？
やはり、

R+gputools+CUDA+CULA

なのですか？

それとも、Rのビルド時にCUBLASをリンクするのですか？

当方の環境は、

Q9450 + Memory 6GB + GeForce9600GT
Ubuntsu10.04(64bit)

です。gotoBLASで行列演算時にコア4つ使用するところまではやったのですが、
CUDA使うともっと凄くなるのですか？

0131デフォルトの名無しさん

2010/12/13(月) 23:45:44

速くなるかどうかはケースバイケースでアプリの内容によるだろ

0132130

2010/12/14(火) 23:05:18

>>131
>>118さんがどういう構成でやっているのか知りたいです。
未だ、コンパイルも通らない実行も出来ていないレベルの者です。

RにgotoBLAS組み込んでも、乱数の生成速度に差が出ませんでした。
BLASは乱数を生成するライブラリではないから当然ですが。

CUDAのページのサンプルに
・MersenneTwister
・Monte Carlo Option Pricing with multi-GPU support
などとあるのをみると期待に胸がふくらみます。

0133デフォルトの名無しさん

2010/12/15(水) 21:41:19

胸は膨らみブラ破け

0134デフォルトの名無しさん

2010/12/15(水) 21:44:27

だいたい乱数で時間かかるって相関乱数の相関部分じゃね～の？
BLASがいくら早くても関係ないじゃん、相関には

0135デフォルトの名無しさん

2010/12/15(水) 21:54:23

乱数の作り方にもよるけど、誤り訂正符号を使った方式では符号化に
O(n^2)かかるところを32*8=256ビットの乱数を生成させるのに32個の
コアで16回の計算で得られるので効率的になる。

0136デフォルトの名無しさん

2010/12/16(木) 00:26:21

３流プログラマがgotoさんの名前を出して汚すなよ。プライドが少しでもあるならな。

0137デフォルトの名無しさん

2010/12/16(木) 00:29:55

・・・

0138デフォルトの名無しさん

2010/12/16(木) 07:15:11

後藤blasだろ
釣られた？

0139デフォルトの名無しさん

2010/12/16(木) 11:51:04

次買うのＡＴＩになりそ・・・
Compute Shaderスレないですか？

0140デフォルトの名無しさん

2010/12/16(木) 15:56:27

ATIやる人はOpenCLかCAL+ILじゃないの？

0141デフォルトの名無しさん

2010/12/16(木) 17:50:04

>>86

ものすごい遅いレスですみませんが、driverAPIなら可能です。

0142デフォルトの名無しさん

2010/12/16(木) 19:24:21

>>136
BLASが乱数を生成するライブラリでないと言ったら、
後藤さんの名前を汚していることになるのですか？

0143デフォルトの名無しさん

2010/12/16(木) 23:05:19

Textureメモリってふつうのより早いの？
みんななにに使ってるの？

0144デフォルトの名無しさん

2010/12/17(金) 09:23:30

ググレ

0145デフォルトの名無しさん

2010/12/17(金) 22:12:47

GTX580，4枚まとめ買い目指して奔走してますが，ない。
2月くらいにはなんとかならないだろか。

0146デフォルトの名無しさん

2010/12/17(金) 22:51:22

CUDA Visual Profiler と Compute Visual Profilerの違いは何でしょうか
前者はバージョン2.3
後者はバージョン3.1
が入っているのですが、toolkitが3.xになってからプロファイラの名称が変わったというだけでしょうか？

0147デフォルトの名無しさん

2010/12/17(金) 23:04:45

でしょ。

0148デフォルトの名無しさん

2010/12/17(金) 23:18:01

質問です
ウッカリ長時間のCUDAジョブを走らせてしまったとき
中断はどすればよいですか？

0149146

2010/12/17(金) 23:34:33

>>147
ありがとうございます
ものの本やサイトには/usr/local/cuda/cudaprof/のcudaprofiler使えって書いてあったのですが
変なWarning出て困っていたところでした

0150146

2010/12/17(金) 23:36:32

0151デフォルトの名無しさん

2010/12/18(土) 00:03:29

>>148
GPUはずしちゃえよ

0152デフォルトの名無しさん

2010/12/18(土) 00:34:36

kill すればいいんじゃね？

0153デフォルトの名無しさん

2010/12/18(土) 00:44:26

>>145
九十九ネットストアにあったけど。あと価格コムとかで在庫もってる店あたってみたらいいんじゃない？

0154デフォルトの名無しさん

2010/12/18(土) 00:47:36

補足、九十九にあったのはエルザのね。

0155デフォルトの名無しさん

2010/12/18(土) 15:04:40

Linuxドライバにバグないか？
最初の実行に時間がかかるのと
同様に最初の実行時にグリッド数、スレッド数が大きめだたとmemcpyでエラーが出る
小さめのグリッド数、スレッド数で最初に実行した後だと
大きめのグリッド数、スレッド数でも正常するんだが…

0156デフォルトの名無しさん

2010/12/18(土) 15:16:14

>>155
ドライバのバージョンとSDK、TOOLキット、OSの情報も載せないと駄目じゃね？
あとgccか。

0157デフォルトの名無しさん

2010/12/18(土) 15:28:07

OS：CentOS5.5
ドライバ、SDK、ToolKitは最新
ｇｃｃは4.1.2
今のところ原因は全く不明
ドライバのバージョンを一個前にすると初回実行時の遅延がちょっと早くなる（最新が約2.5s、一個前が約1.8ｓ）
gtx470と465で試してどちらも同じ症状

0158130

2010/12/18(土) 16:44:30

ようやくgputoolsが動いた。

速いのは分かったけど、
行列の規模が、本体のメモリ容量と関係なく、ビデオカードのメモリ容量に制約される。
キャッシュイーター向けじゃなかったですね。

0159デフォルトの名無しさん

2010/12/18(土) 17:43:36

>>158
行列の計算ってのはね、分割できるんですよ。

0160デフォルトの名無しさん

2010/12/18(土) 18:13:31

>>159
確かに。
分割できなければコアが複数あっても意味がない。

0161デフォルトの名無しさん

2010/12/18(土) 18:55:39

でもね、いったんメインメモリに移して計算するのはもったいない。

結論C2070を買え。

0162130

2010/12/19(日) 18:30:10

結局、部分行列作成と計算結果の結合で、処理にかかる時間が逆転してしまいました。

一般論として言えるのかどうか知らないけど、
行列が（計算結果を含めて）ビデオカードのメモリにスッポリ入るなら劇的な高速化が見込めるけど、
そうでなければ、マルチコアCPU＋本体メモリのほうが速度でもメモリ消費量でも有利なようです。

0163128

2010/12/19(日) 20:32:38

コンスタントメモリはいつデバイスに確保されるのでしょうか
__const__宣言時とは考えにくいので最初にcudaMemcpyToSymbolしたときでしょうか

デバイスにあるということはコンスタントメモリも終了時に解放したほうがいいと思うのですが、
cudaFree()では解放できないようです

コンスタントメモリはどのように解放すればいいのでしょうか。

0164デフォルトの名無しさん

2010/12/19(日) 21:03:47

行列計算なら転送を隠せるはず
リンパックベンチでGPU搭載マシーンが上位に来てるんだし

0165デフォルトの名無しさん

2010/12/19(日) 23:49:30

>>163
SDKのサンプルみればいいんじゃないか？

0166デフォルトの名無しさん

2010/12/20(月) 00:43:41

__constant__を気にするなら
kernelコードだって似たようなものなんじゃ。

0167デフォルトの名無しさん

2010/12/20(月) 11:19:24

>>163
定数メモリはcudaMalloc()のように「確保する」ということなしに使うようになっています。
その為、cudaMemcpyToSymbol()のような特殊な関数でしか転送できません。
また、「確保する」ことなしに使える以上、「解放する」手続きは用意されていません。

0168デフォルトの名無しさん

2010/12/21(火) 15:33:13

安定ソートが欲しいのですが
CUDA向きの安定ソートってありますか？
16000要素くらいです

0169デフォルトの名無しさん

2010/12/21(火) 15:52:44

NVIDIAにあるバイトニック使ってみ

0170デフォルトの名無しさん

2010/12/21(火) 15:54:21

SDKにmergesortってあるがそれが同じ奴だ

0171168

2010/12/21(火) 16:18:22

バイトニックは安定じゃないようなのですが、
マージソートのサンプルがSDKにあったのですね。
チェックしてみます

0172デフォルトの名無しさん

2010/12/21(火) 20:58:05

gtx580を4基積んだ．電源が音を上げた．
やれやれ．

0173デフォルトの名無しさん

2010/12/21(火) 21:12:11

>>172
何Wで駄目だった？

0174デフォルトの名無しさん

2010/12/21(火) 21:46:21

>>173
1400W。ディスク系を外においてもなぁ。

0175デフォルトの名無しさん

2010/12/21(火) 21:49:20

SC748あたりなら・・・

0176デフォルトの名無しさん

2010/12/21(火) 21:59:47

7046GT-TRFね。

0177デフォルトの名無しさん

2010/12/21(火) 22:17:39

1400Wで駄目だとなると電源2つ積めるケースにして連動させるケーブルで繋いでと
いったことをしないと無理そうだな。

0178デフォルトの名無しさん

2010/12/21(火) 23:19:45

無茶しやがって…

0179デフォルトの名無しさん

2010/12/22(水) 01:04:00

1400Wとか言って売っている時点で粗悪電源確定。
>>172が日本在住でないなら話は別だが。

0180デフォルトの名無しさん

2010/12/22(水) 07:14:57

>>179
あれは110V/1400W。80GOLDのリタンダント。
日本じゃ実効1100W。

0181デフォルトの名無しさん

2010/12/22(水) 22:34:50

大容量PC電源はエアコン引っこ抜いて200Vから取ろう。

0182デフォルトの名無しさん

2010/12/22(水) 23:25:26

>>180
なら、「1100W電源」として売るべきだろ。

排気量2000ccの車を3000ccだと言って売る自動車屋などありえない。
そのあり得ないことを長年やってきたのが、PC電源代理業者だ。

0183デフォルトの名無しさん

2010/12/23(木) 00:59:59

>>182
supermicroは日本向けのサイトを持っていない。仕方あるまい。
ちなみに法人で入れたときはこの説明はあった。
www.supermicro.com/products/system/4U/7046/SYS-7046GT-TRF.cfm

0184デフォルトの名無しさん

2010/12/24(金) 20:02:02

GPUの分類について教えてください
例えばGTX480は
Fermi-ComputeCapability2.0-GF100-GTX480
でよいのでしょうか
それともアーキテクチャとCCは1対1対応しているのでしょうか
また、Fermiの分類位置はここでよいのでしょうか

0185デフォルトの名無しさん

2010/12/24(金) 22:08:13

ComputeCapability2.0-GF100-GTX480
は正しいけど、FermiはC.C.2.X全部を含む
GFの"F"はFermi、GTXの"T"はなぜかTeslaだったはず

0186デフォルトの名無しさん

2010/12/24(金) 22:20:21

てめぇGeForce 7800GTXさんに謝れよ

0187デフォルトの名無しさん

2010/12/24(金) 23:41:29

>>184
CUDA目的ならComputeCapabilityだけ意識すればよいかと。
あとはパフォーマンスが違うだけだから。

0188デフォルトの名無しさん

2010/12/24(金) 23:43:40

>>186
GeForce 7800GTXさんはCUDA対象外じゃ・・・・・・

0189デフォルトの名無しさん

2010/12/25(土) 00:54:10

コンパイルされたCUDAプログラムを実行するだけの場合、ドライバのみでいけますか？
toolktのインストールは必須ですか？
LD_LIBRARY_PATH /usr/local/cuda/lib64
を通さなくてはならないということはtoolkit必須なのかな

0190デフォルトの名無しさん

2010/12/25(土) 01:00:31

ライブラリ使っててもstaticならいらないはずだし、dllつかってるなら
そのdllをexeと同じフォルダにおけばいいんじゃないか？
きっとlib64内のなんかのライブラリつかってんでしょ。cutilとかかな

0191デフォルトの名無しさん

2010/12/25(土) 02:39:52

DLL再配布して良かったっけ

0192デフォルトの名無しさん

2010/12/25(土) 09:47:13

Linuxならドライバ（カーネルモジュールを含む）も必要なので再配布だけでは解決しない。
もちろんツールキットのライブラリも必要。

0193デフォルトの名無しさん

2010/12/27(月) 19:25:09

すみません、教えてください。
CentOS 5.5(64bit)でCUDAを導入したくて
・Developer Drivers for Linux (260.19.26)
・CUDA Toolkit for RedHat Enterprise Linux 5.5 (64bit版)
をインストールし、とりあえずSDK code samplesをコンパイルして動くか確かめたのですが

コンパイル後のファイルを実行しようとすると
"cannot execute binary file"のメッセージが出てきてプログラムが実行できません。
この問題を解決したいのですがどこを確認してどう改善したらよいのでしょうか？

ちなみにカーネルのバージョンは2.6.9-55.0.2.ELsmpです。

0194デフォルトの名無しさん

2010/12/27(月) 19:40:29

環境設定は？

0195デフォルトの名無しさん

2010/12/27(月) 20:29:33

それはCentOS 4.5のようだが。

0196デフォルトの名無しさん

2010/12/27(月) 22:11:09

>>193
例えば、ディストリビューションのnvidiaドライバなんかが残っていない？
その上に、最新ドライバをインストールしていて、
コンパイル時と実行時に別の共有ライブラリを参照していたりとか。

ていうか、自分も、ubuntuでx-updatesのドライバと最新ドライバが両方入っていて挙動不審。
ubuntuでもOS再インストールかｗ

0197193

2010/12/28(火) 00:14:59

>>196

返信ありがとうございます。
ちょっとその辺を調べてみます。
後日、問題が解決したらフィードバックします。

0198デフォルトの名無しさん

2010/12/28(火) 07:48:23

スルーされた。勝手にしてくれ。

0199デフォルトの名無しさん

2010/12/28(火) 16:15:18

いじけるなよｗ

0200デフォルトの名無しさん

2010/12/28(火) 22:47:32

とある処理のスレッド数と時間を関係を調べているのですが、
スレッド数が192を超えたあたりで処理が行われていません。

スレッド数が512より小さくても処理が行われないことがあるのでしょうか？

グラボは9800GTで11レジスタ、共有メモリを36byte使用してます。

0201デフォルトの名無しさん

2010/12/28(火) 22:48:39

>>200
「処理が行なわれない」ってどういう意味さ。

0202デフォルトの名無しさん

2010/12/28(火) 23:01:14

>>201
説明不足でした。

処理を1000回行い、平均処理時間を計測しているのですが、
スレッド数が192を超えると0(ms)になってしまいます。

0203デフォルトの名無しさん

2010/12/28(火) 23:19:14

何かが間違っているんだろうね。

0204デフォルトの名無しさん

2010/12/29(水) 00:34:35

まずはエラー確認してからだろ。

0205デフォルトの名無しさん

2010/12/29(水) 00:38:37

スレッド数を増やしたことによって確保されていない領域にアクセスするような
エラーが発生するような状況になっていないかどうかを確認・・・・・かな。
これが起きているとそれ以降の（タイマーを含めた）全ての処理がエラーになる。

0206デフォルトの名無しさん

2010/12/29(水) 01:31:39

まずは
cudaThreadSynchronize();
cudaGetLastError();

0207デフォルトの名無しさん

2010/12/29(水) 14:09:27

>>203-206
助言ありがとうございます。

まずはエラーを確認してみたいと思います。

0208デフォルトの名無しさん

2010/12/29(水) 19:33:12

たぶんリソース不足でしょ。自分もよくそうなる。
カーネルの引数を構造体のポインタにまとめると解決する。

0209デフォルトの名無しさん

2010/12/30(木) 20:27:57

GTX460ってCUDAは使えるんですかね？
lspci | grep -i nVidia
でPCIバスデバイス情報確認したら
VGA compatible controller: nVidia Corporation: Unknown device …
ってコンピューターさんがおっしゃられたんだが…

0210デフォルトの名無しさん

2010/12/31(金) 00:21:26

>>209
/sbin/update-pciids
してからコンピュータさんにもう一度お伺いたててご覧なさい

0211デフォルトの名無しさん

2010/12/31(金) 05:27:05

ドライバをインストールしてないんじゃないの？

0212デフォルトの名無しさん

2011/01/01(土) 11:59:19

正月セールで狙う1万5000円くらいのグラボでオススメのものをおせーて

0213デフォルトの名無しさん

2011/01/04(火) 09:25:33

GeforceとRADEONを2枚挿して
GeforceをCUDA専用、RADEONをグラフィック専用とすることは出来ますか？

0214デフォルトの名無しさん

2011/01/04(火) 09:34:04

日本語的に複数の意味に取れるので訂正

GeforceとRADEONの2枚を挿して
GeforceをCUDA専用、RADEONをグラフィック専用とすることは出来ますか？

0215デフォルトの名無しさん

2011/01/04(火) 09:41:44

no problem

0216デフォルトの名無しさん

2011/01/04(火) 10:36:53

ありがとうございます

0217デフォルトの名無しさん

2011/01/04(火) 10:52:31

cudaSetDeviceFlags(cudaDeviceBlockingSync);

0218デフォルトの名無しさん

2011/01/04(火) 10:53:37

ほとんど同じソースで
cudaSetDeviceFlags(cudaDeviceBlockingSync);
が有効になるプログラムとならないプログラムがあるのですがどこを
調べれば良いでしょうか。

0219デフォルトの名無しさん

2011/01/04(火) 12:31:38

ほとんど同じソースならどこが違うのかを書いてください。
そして「有効」かどうかをCPU負荷で判定しているのかどうかも。

cudaSetDevice()を除くすべてのCUDA関数より先にcudaSetDeviceFlags()を
呼び出しているかどうか以外には特に調べるべきところはありません。

0220デフォルトの名無しさん

2011/01/05(水) 18:57:39

マニュアル的なpdfが沢山あってどれを読めばいいのかわからないのですがどれから読むのがいいのでしょうか？
CUDA_C_Best_Practices_Guide.pdf
CUDA_C_Programming_Guide.pdf
Introductory CUDA Technical Training Courses VolumeI.pdf

0221デフォルトの名無しさん

2011/01/05(水) 20:31:24

Introductory CUDA Technical Training Courses VolumeI.pdfで軽く概要をつかむ。
ただこれ内容が古かったと思うからどんな仕組みで動いてるかを把握するくらいでいいと思う
必要になったらまた読み返せばいい。

次にCUDA_C_Programming_Guide.pdfで基本を学ぶ。
これは読み返すことが多くなると思う。

その次にCUDA_C_Best_Practices_Guide.pdfで良い実装の仕方を学ぶ。
これは実際にプログラム組みながらでいいと思う。

あと余談だがfermi　tuning guideも読むといい。
英語が苦手なら「はじめてのCUDAプログラミング」や「CUDAプログラミング実践講座 - 超並列プロセッサにおけるプログラミング手法」
を読んでから必要なところをPDFで追加で読むと理解が早いと思う。

0222デフォルトの名無しさん

2011/01/05(水) 21:02:09

フランス語のはないですかね？

0223デフォルトの名無しさん

2011/01/05(水) 21:15:20

ワロタ

0224デフォルトの名無しさん

2011/01/05(水) 21:16:37

>>222
残念ながらありません

0225デフォルトの名無しさん

2011/01/06(木) 00:39:25

cc2.0でコンパイルすると、cc1.3でコンパイルした時よりレジスタ使用量が
10くらい増えるのですが、なぜですか？

0226デフォルトの名無しさん

2011/01/06(木) 22:50:40

なんでだろうねー

0227デフォルトの名無しさん

2011/01/08(土) 18:48:55

Fermiで各スレッドで数百バイトのワーキングエリアが必要な場合、
ローカルメモリを使うのが最良なのでしょうか？
シェアードメモリを使うと、同時に立ち上げられるスレッド数が減って
逆に遅くなりました。

0228デフォルトの名無しさん

2011/01/09(日) 21:38:49

>>225
そういうのはプログラムによって変わるだろ
とりあえずptxファイル嫁

>>227
>各スレッドで数百バイトのワーキングエリアが必要な場合
これが今以上減らせないならそもそもCUDAに向いてない

0229デフォルトの名無しさん

2011/01/10(月) 17:57:08

グローバルメモリのアクセスは400~500clock、レジスタやシェアードメモリ、L1キャッシュはほぼ0らしいですが
L2キャッシュは大体何clockかかりますか？

0230デフォルトの名無しさん

2011/01/10(月) 19:32:12

L1は大体15
L2は大体150

0231デフォルトの名無しさん

2011/01/11(火) 09:01:34

4枚発注ー。

0232デフォルトの名無しさん

2011/01/13(木) 11:27:07

CPU向けコードとGPU向けコードを同一ファイルで作成したいと思っています。
nvccはcuでないと、cudaコードとしてコンパイルしてくれないのですが、
拡張子がcppのファイルをcudaソースファイルとしてコンパイルするオプションはありませんか?

0233デフォルトの名無しさん

2011/01/13(木) 19:39:51

obj同士はnvccでリンクできるから、それぞれコンパイルすればＯＫだよ

0234デフォルトの名無しさん

2011/01/13(木) 20:42:06

>>141
亀レスですが，Driver APIを用いて出来ました．
ありがとうございました．

0235デフォルトの名無しさん

2011/01/14(金) 20:47:45

>>234
概略をのせてくれまいか？

cudaAAA()で○○を設定
cudaBBB()でXを取得して
pthread_AAA()を使ってXXXする

くらいの事でもいいから

0236234

2011/01/15(土) 13:34:59

>>235
簡単にで良いなら．

// 前処理
#pragma omp parallel
{
　　cuInit(); // 初期化
　　cuDeviceGet(); // GPUへのハンドルを取得
　　cuCtxCreate(); // コンテキストを作成し，ホストスレッドにバインド

　　mallocとか色々

　　cuCtxPopCurrent(); // コンテキストをアンバインド
}

glutMainLoop();

// カーネル実行
#pragma omp parallel
{
　　cuCtxPushCurrent(); // バインド

　　カーネル実行

　　cuCtxPopCurrent(); // アンバインド
}

関数の引数は省略しました．

0237デフォルトの名無しさん

2011/01/15(土) 17:57:20

>>236
ありがとう。参考にさせてもらいます

0238デフォルトの名無しさん

2011/01/15(土) 21:30:19

Fermiもグローバルメモリアクセスはコアレッシングにしたほうがよくって
キャッシュはおまけ程度って考えでおk？
ていうか各スレッドが違うグローバルメモリにアクセスするなら同じカーネル内ではキャッシュ効かないよね

0239デフォルトの名無しさん

2011/01/15(土) 22:14:42

CPUのマルチコア（巨大キャッシュ、低並列）のマルチスレッドですら
キャッシュ汚染はひどいからな

マルチスレッドとキャッシュは相性が非常に悪い

0240デフォルトの名無しさん

2011/01/15(土) 23:23:54

スレッド番号とグロバールメモリーのアドレスが並んでいないと使い物にならないな。
速度が１０倍は違う。本当に使いにくいよ。
メモリアクセスがネックの（単純な）アプリで、shared memoryの使いまわしのできないアプリでは、
マルチスレッドを上回るのは難しい。

0241デフォルトの名無しさん

2011/01/15(土) 23:49:58

しかし、いままでGPUと相性の悪いといわれるプログラムでも
FermiならCPUの2倍くらい出るってことは結構ある。

非Fermiならローカルメモリ使ったら即使い物にならない速度だったけど、
Fermiならキャッシュがなんとかしてくれたり。

0242デフォルトの名無しさん

2011/01/16(日) 18:58:37

cublasDgemmにおいて、係数のalphaを(double)1に、
betaを(double)0に指定しても、
内部では真面目に係数をかけているのでしょうか？

参考(PDF注意)
http://developer.download.nvidia.com/compute/cuda/3_2_prod/toolkit/docs/CUBLAS_Library.pdf

0243デフォルトの名無しさん

2011/01/16(日) 19:01:42

FORTRANのソースを自分で追っかけて確認しろ

0244デフォルトの名無しさん

2011/01/16(日) 19:13:17

速度を測ればすぐに分かりそう

0245デフォルトの名無しさん

2011/01/16(日) 21:42:18

>>243
ありがとうございます。
FORTRANのコードを見る限り、ちゃんと係数の値によって
処理変えているようでした。

>>244
ありがとうございます。
実際に測定したのですが、係数の値を変えても
計算時間に明確な差は現れませんでした。

GTX480 1枚, CUDA 3.2, Windows 7 64bit
A=7500x8000の行列,B=8000x7500,C=7500x7500の行列で
C=alpha * A*B + beta * Cを計算

alpha = 1, beta = 0を15回で85.079秒
alpha = 10, beta = 10を15回で85.072秒

FORTRANのコードのような実装になっていない気がするのですが。

0246デフォルトの名無しさん

2011/01/16(日) 21:45:25

「はじめてのCUDAプログラミング」に出てるコード（もしくは同じ出版社からインターネット上に出てる奴）
をひたすらマイナーチェンジしていくのが一番早いと思う。
スクラッチはマイナーチェンジの経験を積んでからで十分。

0247デフォルトの名無しさん

2011/01/17(月) 05:28:45

PTXって機械語なの？
GPUがPTX読むみたいな事が書いてあるんだけど

0248デフォルトの名無しさん

2011/01/17(月) 06:02:22

ptxはgpuのアセンブラ言語じゃないの？？

0249デフォルトの名無しさん

2011/01/17(月) 07:27:52

PTXはあくまで中間言語。

0250デフォルトの名無しさん

2011/01/17(月) 10:47:31

TMPGEncで使おうと思ったらG80非対応なんだな。。

0251デフォルトの名無しさん

2011/01/17(月) 20:15:09

GTX580を4枚積んでサンプルコード走らせたら電力不足来たー。

0252デフォルトの名無しさん

2011/01/19(水) 09:33:50

CUDAツールキットを導入する際にまずやることって何？
どう頑張ってもnvccでコンパイルしたサンプルファイルが実行できませーん
って開発以前の問題で精神折れそうだわ…

0253デフォルトの名無しさん

2011/01/19(水) 13:17:05

list.cは以下の通りです．
#include <stdio.h>
#include <stdlib.h>
#include <string.h>

struct record { /* １人分のデータ */
char name[32]; /* 氏名 */
int score; /* 得点 */
struct record *next; /* 次のデータへのポインタ */
};

void printlist( struct record *list ) {
if ( list != NULL ) { /* リストが空でなければ */
printf( "%16s:%4d\n", list->name, list->score );
printlist( list->next ); /* 先頭の次からリストの表示 */
}
}

0254デフォルトの名無しさん

2011/01/19(水) 13:59:28

>>252
実行できないならできないなりにエラーメッセージが帰ってくるのではないでしょうか

CUDAコアとはスカラプロセッサのことでいいのでしょうか
FermiのみCUDAコアという呼び方をするのですか？

0255デフォルトの名無しさん

2011/01/19(水) 14:09:09

0256デフォルトの名無しさん

2011/01/19(水) 21:03:35

Fermiで倍精度浮動小数点の三角関数計算に
SFUを使えないのでしょうか

倍精度浮動小数点の計算は単精度浮動小数点演算機が2クロックで計算するのですよね
同じようにSFUが単精度計算分の2週でやってくれるということはないのでしょうか

0257デフォルトの名無しさん

2011/01/19(水) 21:10:31

geforceは駄目だろ

0258デフォルトの名無しさん

2011/01/19(水) 21:57:03

ドライバに　266.58 WHQL　が来たね

0259デフォルトの名無しさん

2011/01/19(水) 22:20:50

>>256
fast mathを使えば？

0260デフォルトの名無しさん

2011/01/20(木) 00:39:31

fast mathは単精度専用。

そもそも倍精度使ってるくせに精度低いSFU使いたいって時点で
本当に倍精度が必要か考えるべき。

0261256

2011/01/20(木) 02:09:04

SFU遊ばしておくのはもったいないかな、と思いまして

そんなに精度が低いのかー

0262デフォルトの名無しさん

2011/01/20(木) 02:55:13

応用次第だけど、SFU使うと駄目で使わなければfloatでもOKという例があった。

0263デフォルトの名無しさん

2011/01/21(金) 02:52:36

初歩的なこと聞いてすみません。
元々あるソースにCUDAを取り入れてるんですが構造体を丸々GPU側にコピーはできないんでしょうか？
できるのであれば誰かご教授お願いします。

0264デフォルトの名無しさん

2011/01/21(金) 03:12:27

C言語の勉強をしたらできると思います。

0265デフォルトの名無しさん

2011/01/21(金) 03:30:01

>>264
一応いろいろ試したんですが
Warning : Cannot tell what pointer points to, assuming global memory space
ていう警告が出ていておそらくデータの転送ができていないんです・・・。
普通のC言語を勉強すればできるんですかね・・・？

0266デフォルトの名無しさん

2011/01/21(金) 03:40:27

構造体の中にポインタが入ってて、そのポインタがメインメモリを指してるんじゃないの？

0267デフォルトの名無しさん

2011/01/21(金) 04:09:34

>>266
ポインタのほかにもポインタのポインタも入っているのでそれもGPU側に送らないといけないいうことであってますか？
そうすると結構量があるので必要な部分のみを送るほうが効率がいいんですかね・・・？

0268デフォルトの名無しさん

2011/01/21(金) 05:42:58

もちろんポインタが指してるデータは送らないといけないし，
構造体を送る前に，構造体の中で指してるアドレスをGPU側のアドレスに
書き変えないといけない．

0269デフォルトの名無しさん

2011/01/21(金) 06:51:09

解答ありがとうございます。
なんとなくですが皆さんのおかげで理解できました。
がんばってやってみます。

0270デフォルトの名無しさん

2011/01/21(金) 07:06:46

なんとなくじゃ無理だろうな

0271デフォルトの名無しさん

2011/01/24(月) 01:53:29

少し聞きたいんですが、
1>ptxas C:/Temp/tmpxft_00000fac_00000000-4_cuda.ptx, line 146; error : State space incorrect for instruction 'st'
1>ptxas C:/Temp/tmpxft_00000fac_00000000-4_cuda.ptx, line 147; error : State space incorrect for instruction 'st'
1>ptxas €=8・ Ptx assembly aborted due to errors
いきなりこんなエラーが出たんですがどういう意味ですか？
解決法を知っている方教えてください！！

0272デフォルトの名無しさん

2011/01/24(月) 08:07:36

http://en.wikipedia.org/wiki/Comparison_of_Nvidia_graphics_processing_units
誰かこのページでGPUの浮動小数点計算速度の比較に使われてるプログラム知ってる人いませんか？

0273デフォルトの名無しさん

2011/01/24(月) 10:18:04

>>272
ざっと見ただけではこのページのどこに浮動小数点計算速度の比較が書いてあるのか分からなかったのだが。

いずれにしてもそこに載っているスペックは全て理論ピーク性能かと。

0274デフォルトの名無しさん

2011/01/24(月) 10:27:17

>>271
いきなりすぎて難しいのでとりあえず中間ファイルの.ptxファイルを保存して146行目を調べて。

あとはSDKに含まれるプログラムとかは正常にコンパイルできるのかどうかも。

0275デフォルトの名無しさん

2011/01/24(月) 13:59:18

お聞きしたいのですが、プログラムを実行したときに発生するエラーで
invalide device function とは何が原因で起こるエラーなんでしょうか？
初歩的な質問ですがどなたか教えてください。

0276デフォルトの名無しさん

2011/01/24(月) 14:38:37

invalide device function
device で実行しているfunctionがinvalideなんだろ
でもinvalideじゃなくてinvalidじゃね？

0277275

2011/01/24(月) 15:13:26

スペルを間違えていました。invalideではなくinvalidでした。
invalidは「無効な」という意味で捉えています。
デバイス(__global__)の関数名とホストで実行する関数名は同じにしているのですが、なぜ無効と言われるのかがわからないのです。当然ですが、何かの関数名と被らないようには名前をつけています。
どなたかお願いします。

0278デフォルトの名無しさん

2011/01/24(月) 15:38:25

もう少し具体的に書け

0279デフォルトの名無しさん

2011/01/24(月) 15:56:17

_device_な関数を_global_と_device_な関数以外から呼び出してる予感

0280275

2011/01/24(月) 16:12:51

詳細を書きました。長文です。すみません。
画像処理をCUDAでやっており、今は、メディアンフィルタを作っています。
OpenCVを使いたかったので、ここの方法（ttp://blogs.yahoo.co.jp/simasaki2001/18576477.html）を参考に簡単なサンプルを先生が作成し、それを基に学生の自分がプログラムを作っています。

現在、__global__ void cuda_median() というデバイスの関数をcuda_median<<<ndrange_global, ndrange_local>>>(入力画像, 入力画像のポインタ, 出力画像, 出力画像のポインタ)と呼び出しています。
ndrange_globalとndrange_localはDim3型で
ndrange_local.x= atoi( argv[3] );
ndrange_local.y= 1;
ndrange_local.z= 1;
ndrange_global.x= 1;
ndrange_global.y= (int)dev.multiProcessorCount; <-これは14となっています
ndrange_global.z= 1;
となっています。この部分についてよく理解できなかったので先生に質問しましたが、「人の作ったのだからよく知らない。」と言われました。現在もしっかり理解しているとは言えません。

__device__関数も一つ作成して使っていますが、__global__からしか使用していません。

0281デフォルトの名無しさん

2011/01/24(月) 16:21:56

いつ、どこでのエラーなんだ？
device内のfunctionでのエラーではないのか？

0282275

2011/01/24(月) 16:37:21

ホストでdevice関数を呼んだ後にcudaGetLastErrorを実行しており、そこでエラーが出ます。
device関数を呼ぶ前の処理におけるエラーチェックではエラーは発生していないので、device関数でエラーが起こっているのではないかと考えています。

0283デフォルトの名無しさん

2011/01/24(月) 16:57:03

ttp://lzhan.wikispaces.com/file/view/gflops.png/30874460/gflops.png
ttp://4.bp.blogspot.com/_nq8CjirJSCA/TDWRC5XR8vI/AAAAAAAACZY/pyHDbs2AA0E/s1600/gpgpu.png

上にあるようなCPUとGPUの浮動小数点演算性能の比較図を見るとGPUの方が圧倒的に高いように見えるのですが
性能はGPUの方が上という事でしょうか

それともただ単に1コアのクロック周波数から理論的な演算性能を算出してコア数分かけた値で、
GPUはコアが多いからそう見えているのでしょうか

さらにメモリの転送速度もGPUの方が速いのですよね。
他の点で総合的に見たらCPUのほうがいいということなのでしょうか

0284デフォルトの名無しさん

2011/01/24(月) 17:01:06

＞それともただ単に1コアのクロック周波数から理論的な演算性能を算出してコア数分かけた値で、
＞GPUはコアが多いからそう見えているのでしょうか

＞さらにメモリの転送速度もGPUの方が速いのですよね。
＞他の点で総合的に見たらCPUのほうがいいということなのでしょうか

それで合ってる

0285デフォルトの名無しさん

2011/01/24(月) 17:21:26

>>283
まあ、簡単に言うと計算の仕方とメモリアクセスの仕方について、GPUの方が制約がきついってこと
もっとも、CPUでも高い性能を出すためには厳しい制約が付くけど

0286283

2011/01/24(月) 18:18:42

>>284-285
ありがとうございます。

つまり全てのコアを常に使い切ればこれだけの性能が出るので、
メモリアクセスやのレイテンシや転送時の待ち時間に
準備の出来た他の演算(warp)を次々にやらせていって
いかに常にコアをフル回転させるか、がCUDAプログラミング。

warp内では実時間でも完全に同期して実行されるため
warp内分岐は、分岐を通らないwarpは完全に遊んでしまう(コアは空いているのに他のwarpのグループを実行できない)
ので遅くなってしまう(というかピーク性能が出せない)。

メモリアクセス時には他のwarpを計算すればいいが、次のwarpもメモリアクスになり、最初のwarpもまだアクセス中だったときには
3つめのwarpを計算する。このようにどんどん他のwarpを処理していくが、一度に起動できるwarpは上限がある(カーネル関数で使用するレジスタや共有メモリで決まる)
ため演算に対してメモリアクセス時間が長いと、起動上限数使い切ってしまい、
それでも最初のwarpがメモリアクセス中だとコアが遊んでしまうので、

メモリアクセス時間を減らしたり(メモリアクセス回数を減らす、共有メモリを有効利用する、
バンクコンフリクトを回避して共有メモリに早くアクセスできるようにする、コアレスアクセスでグローバルメモリに早くアクセスする)、
同時起動可能なwarp数を増やす(Occupancyうんぬん)
ことで見た目全コアが降る回転するようにする。

ということでしょうか

0287デフォルトの名無しさん

2011/01/24(月) 19:19:41

>>280
ついこの前出たOpenCV 2.2でNPP経由でCUDA対応したから、それ使ってみたら？
exeではなくCMakeから自前ビルドしないといけないけど

0288デフォルトの名無しさん

2011/01/25(火) 10:09:24

>>274
SDK内のプログラムはきちんと動作しています。
.ptxファイルは保存方法がぐぐっても良くわからなくて・・・。
どうやったら保存できますか？

0289アク禁長いから久々の書き込み

2011/01/25(火) 12:05:07

>>282
状況がよく判らんが、__device__な関数は__device__か__global__な関数からしか呼んじゃダメよ。
それと、<<<>>>で呼んだ関数で起きたエラーは、次にAPIを呼んだときに戻されるのでご用心。
つまり、以下の場合cudaThreadSynchronize()の戻り値がエラーになる。
--
func<<<grid, block>>>();
cudaThreadSynchronize();

>>271
取り敢えず、-ptxつけてコンパイルして味噌。

0290デフォルトの名無しさん

2011/01/25(火) 12:51:53

>>289
コマンドプロンプトでnvcc -ptx cuda.cuであってますか？
普段VSでコンパイルしてるんでやり方がいまいちなんですが・・・。

0291283

2011/01/25(火) 13:02:29

Fermiでコンスタントキャッシュはハードウェア上ではどこにあるのでしょうか

ttp://www.4gamer.net/games/099/G009929/20100309044/images/pic2.gif
のUniform Cacheでしょうか

容量と読み込み速度からしてSM内かと思ったのですが
全てのスレッドから読めるという点ではSM外のL2キャッシュなのでしょうか
SM内だとしたら全SMがそれぞれ同じデータをコピーして保持するというのは少々効率が悪い気もします

そもそも大容量なはずのVRAMに転送するコンスタントメモリが
64kBと小容量に決められているという事はキャッシュも同サイズ用意されていて
ヒット率100％が保証されているということなのでしょうか

0292デフォルトの名無しさん

2011/01/28(金) 08:08:16

ちょっと質問なんですけど、GPU上ではstaticは使えないみたいですけど、
staticの代わりになるようなものはCUDAに存在するんでしょうか？
やっぱりグローバルメモリに領域を確保して使うしかないんでしょうか？

0293デフォルトの名無しさん

2011/01/29(土) 02:47:23

>>292
すまん質問の意味がわからん

0294デフォルトの名無しさん

2011/01/29(土) 21:17:57

>>293
すいません、ちょっと日本語がおかしいですね・・・
要するに、ＧＰＵ上のdevice関数内で、
関数が終わっても変数の値が残るようにしたいんですけど、
それをするにはcudaMemcpyでグローバルメモリに領域確保して、
そこに値を保存するようにするしかないのでしょうか？

0295デフォルトの名無しさん

2011/01/29(土) 21:38:16

それどういうときに使うの？カウンタ？

そもそもインライン展開されるんじゃなかったっけ

0296デフォルトの名無しさん

2011/01/29(土) 23:19:04

根本的に取り組む姿勢が間違っている気がする。

0297デフォルトの名無しさん

2011/02/01(火) 19:48:05

構造体の配列って
a,b,c|a,b,c|a,b,c
こう置かれるからハーフワープの各スレッドがaにアクセスすると
コアレスアクセスできないということですか？
配列の構造体.a[n],.b[n],.c[n]を作った方が良いという事でしょうか

0298デフォルトの名無しさん

2011/02/01(火) 19:56:41

誰だかまるわかりw

0299デフォルトの名無しさん

2011/02/02(水) 19:08:00

CUDA GPU Occupancy Calculator を使って占有率等をみるときにActive Thread Block per Multi Processor が高いほうがいい
と聞くのですが、以下の二つの状況だとどちらがいいでしょうか？GTX480を用いています。

1.
Enter your resource usage:
Threads Per Block 256
Registers Per Thread 32
Shared Memory Per Block (bytes) 3072
GPU Occupancy Data is displayed here and in the graphs:
Active Threads per Multiprocessor 1024
Active Warps per Multiprocessor 32
Active Thread Blocks per Multiprocessor 4
Occupancy of each Multiprocessor 67%

2.
Enter your resource usage:
Threads Per Block 1024
Registers Per Thread 32
Shared Memory Per Block (bytes) 12288
GPU Occupancy Data is displayed here and in the graphs:
Active Threads per Multiprocessor 1024
Active Warps per Multiprocessor 32
Active Thread Blocks per Multiprocessor 1
Occupancy of each Multiprocessor 67%

1と2の違いはThread Per Blockを四倍にしたかどうかです。
つまりSM内のThread Block数が多いほうが単純にいいのか、BLOCK内のThread数が多いほうがいいのか、
あるいはどちらも同じなのか教えてください。

0300デフォルトの名無しさん

2011/02/02(水) 19:38:03

>>299
計測してパフォーマンスのいい方にすればいいとおもうが、
１の方があるスレッドブロックが同期待ちになってるあいだに他のスレッドブロックが
実行可能な余地があるぶん性能低下はしにくいと思う

0301デフォルトの名無しさん

2011/02/02(水) 20:23:06

>>300
回答ありです。
言葉足らずでした。。。
計測して実験したのですが、1のほうがパフォーマンスが上でした。

いい言葉が見つからないのですが、
1も2もブロック数は違うけど同じスレッド数ですので
メモリ隠ぺいのためにスレッド数が多ければそれでいいと思っていたので
性能は同じになると思っていました。

スレッドブロックが同期待ちというのは、syncした場合におこる現象でしょうか？
調べてみましたがやはりSMあたりのスレッド数が同じなら
SMあたりのスレッドブロック数が多いほうがいいというのが
いまいちわかりません。。。
よろしくお願いします

0302デフォルトの名無しさん

2011/02/02(水) 20:35:42

>>301
__syncthreads();
はブロック内のスレッドを同期する。

全部のスレッドが1024として
1ブロック1024スレっどの場合、__syncthreads();すると全部のスレッドが同期される。
その間どのスレッドも実行できない。

4ブロックで1ブロック当たり256スレッドの場合、__syncthreads();しても256スレッドだけ同期されて
他の３ブロック分のスレッドは実行可能。

＞SMあたりのスレッドブロック数が多いほうがいい
スレッドブロックはSM単位に割り当てられるから「SMあたりのスレッドブロック数が多いほうがいい」
というのはActive Thread Blocks per Multiprocessorが高いほうがいいというのと同義

0303デフォルトの名無しさん

2011/02/02(水) 20:53:25

Visual Profilerでlocal load localとstoreが数万回起こっているのですが何が原因でしょうか
--ptxas-options=-vでlmemが出ていなかったので
ローカルメモリは使っていないと思っていたのですが
local～が0でないカーネル(3種類)はすべてレジスタ/スレッドが63でした。
偶然同じ数になっていると思ってましたが
レジスタは63が上限でそれ以降はローカルメモリが使われるってこと？

0304デフォルトの名無しさん

2011/02/02(水) 23:02:21

>>303
レジスタの容量を調べてみろ
例えばレジスタの本数が32768で1ブロックあたり512スレッド使うなら
1スレッドが使用できるレジスタは64以下になる、256スレッドなら128以下

ローカルメモリが使われるなんて状況は最悪だからそのプログラムは糞だ
シェアードメモリ余ってんならそっちも有効に使え

0305デフォルトの名無しさん

2011/02/02(水) 23:30:24

だがローカルメモリ使ったカーネルとCPU実行では，
CPU実行の方が遅いこともあるから必ずしも悪ではない．

0306デフォルトの名無しさん

2011/02/03(木) 17:37:00

総和計算を何段階かにわけたときって
sharedメモリ使う都合上、最後の段階は1ブロックでやるじゃん
でも1ブロックのみってことは他のsm使わないから無駄してるよね
最後の段階はcpuに転送したほうがはやいってこと？

0307デフォルトの名無しさん

2011/02/03(木) 18:32:56

fermi系ならコンカレントカーネルで問題無し

0308デフォルトの名無しさん

2011/02/04(金) 01:25:47

どうせ最後にcpuに持ってくるんだから、充分データ量が減ったところで転送しちゃうのも手ではあるね。

0309303

2011/02/04(金) 03:03:46

>>304
レジスタ32768ですがスレッドは192/ブロックです。
そもそもActive Thread Blocks per Multiprocessorを2以上にするように
1スレッドで使用しているレジスタ数とシェアードメモリを見て
スレッド数を決めているので足りなくなるなんて事はないはず

--ptxas-options=-vでlmemの項が出ないんだから使ってないと思っているのですが
レジスタ/スレッドに上限なんてないですよね？

0310デフォルトの名無しさん

2011/02/04(金) 03:34:56

そのレジスタ数から考えてfermi系ではないとおもじゅんだが
いっそのことスレッド数を８とか３２とかにして実行してどうなるか見てみればいいんじゃないか
なにか他の原因かもよ？

0311デフォルトの名無しさん

2011/02/04(金) 03:35:39

c/おもじゅんだが/思うんだが

0312303

2011/02/04(金) 04:33:53

>>310
GF100,Fermiです
8スレッド/ブロックにして(ブロック数を増やしたので総スレッド数は変わらず)
みましたがlocal load/storeは増えました。
カーネル内の変数を(なにかに使用するように)無駄に増やしてみましたが
レジスタ数が63以上にならなかったので上限があるのかも、と思った次第です。
皆さんはレジスタ数が64を超える事はありますでしょうか

0313デフォルトの名無しさん

2011/02/04(金) 05:01:16

今環境ないからできないがnbodyのサンプルとかはプロファイルとったらどうなんだろうね。
あとフェルミならローカルメモリはキャッシュが効くんではなかったかと思ったがどうでしたっけ？
あとコンパイルオプションでレジスタの使用個数指定してたりしない？

0314303

2011/02/04(金) 05:18:06

>>313
もちろん--maxrregcountは指定していませんでした

ところで
--maxrregcount 64にすると
ptxas warning : Too big maxrregcount value specified 64, will be ignored
とでました。
--maxrregcount 63にすると何も出ずコンパイルされます。

0315デフォルトの名無しさん

2011/02/04(金) 05:23:42

ということは６３に意味はありそうだね。うーんなんだろ。即答できない

0316デフォルトの名無しさん

2011/02/04(金) 05:42:17

Also, the compiler reports total local memory usage per kernel (lmem) when compiling with the --ptxas-options=-v option. Note that some mathematical functions have implementation paths that might access local memory.

0317デフォルトの名無しさん

2011/02/04(金) 12:19:26

Fermiは63までしかないよ。GT200とかは127まで行けたけど。

0318デフォルトの名無しさん

2011/02/04(金) 18:43:37

CC2.0でchar型の配列a[N]に
int idx = blockIdx.x * blockDim.x + threadIdx.x;

a[idx];

ってアクセスしたらきちんと32bitずつglobalから読みだしますか？
それとも128bitずつですか？

0319303

2011/02/05(土) 08:23:45

>>317
そうだったんですか
ちょっとずつ減らしてったら現在90くらい使ってることが判明
かきなおしかー

0320デフォルトの名無しさん

2011/02/06(日) 13:23:49

64しか使われないのに今90使ってるっておかしくないか

経験値からじゃなくて何か根拠のある数字はないのか？

0321303

2011/02/06(日) 13:51:37

--ptxas-options=-v→63
同時に使ってるであろう変数を1個減らす→63
もういっこへらす→63
繰り返す
へらす→62
やっと62になったということは減らした変数の数*2本分(doubleなので)=26本のレジスタが
63から溢れ出てローカルに保存されているんじゃないか
→本来なら90くらい使われてるんだろう

まあ一概に変数1個=2本とは言えないんでしょうけど
他に表示されないレジスタ数を数える方法思いつきませんでした

0322デフォルトの名無しさん

2011/02/06(日) 15:52:57

言ってることがようやくわかりました。

192スレッド/blockで動作してるなら
32768/192=170.66
で1スレッド170は理論的につかえるはずなのに他になにか制限みたいのがあるのかね

もしかして待機しているactive threadの分が消費されるのか？つまり
32768/192/ActiveThreadPerBlockが1スレッドの使えるレジスタ数になるのだろうか

0323303

2011/02/06(日) 16:46:28

>>322
逆にactive threadの数がレジスタ数で決まるんじゃないでしょうか
192tread/block(= 6warp/block) → 48maxWarp/(6w/b) =8block
0shared/block → 49152maxShared/(0s/b) = ∞block
63register/tread(=12096register/block) → 32768maxRegister/(12096r/b) =2block
Min(8,∞,2,8) = 2blockActive = 12warpActive → 12warp/48maxWarpActive =25% occupancy

それとは関係なくFermiではregister/threadが上限63で
それ以上はローカルにまわされる上に--ptxas-options=-vでlmem表示されない
のだと解釈しました。

0324322

2011/02/06(日) 16:57:10

C programming guide 3.2 p83に
GT is the thread allocation granularity, equal to 256 for devices of compute
capability 1.0 and 1.1, and 512 for devices of compute capability 1.2 and 1.3,
and 64 for devices of compute capability 2.x.

ってあるがこれか？

0325303

2011/02/06(日) 17:40:25

>>324
1ブロックで使用されるレジスタRbは2.xでは以下のように計算する
Rb=ceil((Register/thread)*(thread/warp),GT)*(warp/block)
すなわち
Rb=ceil(r*32,64)*(warp/block)
ceil(x,y)はxをyの整数倍に切り上げたもの
r=18,w/b=6のとき
Rb=(18*32→9*64)*6=3456
r=17,w/b=6のとき
Rb=(17*32→9*64)*6=3456

つまり1warpが使用するレジスタは量子的で、その単位GT=64
→rは2の倍数で使わないと損

ということかと。r/スレッドの上限とは関係なさそうですかね。

0326デフォルトの名無しさん

2011/02/07(月) 02:36:58

上の方で出てたが、やはりCUBLASは省略すべき係数計算を
省略せずに計算しているようだ。
http://www.netlib.org/blas/dgemm.fに反する実装って許されるの？

0327デフォルトの名無しさん

2011/02/07(月) 08:00:09

許せるに決まっているだろう。

0328デフォルトの名無しさん

2011/02/07(月) 15:59:16

>>326
公式のフォーラムで本当にそうなのか、
もしそうならどのような理由からか聞いたほうがいいんじゃないか？
もしかしたら自分が勘違いしている部分があるかもしれないし
Nvidiaの間違いなら修正があるだろうし。

0329303

2011/02/07(月) 16:11:41

ttps://people.maths.ox.ac.uk/gilesm/cuda/lec4-2x2.pdf#search='Fermi%20register%2063'
　up to 63 registers
ttp://www.beyond3d.com/content/reviews/55/7
　Maximum theoretical register allocation per thread is 63 32-bit registers.

このへんに63までと書いてありますが公式にはないのかな...

0330デフォルトの名無しさん

2011/02/07(月) 23:23:08

CUDA VS Wizard + Fermiな環境の人いますか？
デバッグのためのprintfが使えなくて困っています。

プロジェクト＞プロパティ＞Cuda Build Rule v3.0.0＞General＞GPU Architecture
の値をsm_20としたいのですが、無効な値となり設定できません。
（CUDA VS Wizard最新版がFermiより前のリリースのため）
GPU Architectureの箇所を<親またはプロジェクトの規定値を継承>とし
Extra Optionsに-arch sm_20と指定しても-arch sm_20 -arch sm_10となり
ビルドできません。
この状況を経験＆打破された方がいらっしゃいましたらアドバイスをお願いします。。。

【環境】
Windows7 x64
Visual Studio 2008 Express
CUDA Toolkit&SDK 3.1(32bit)
CUDA VS Wizard 2.2(32bit)
Geforce GTX 580

0331デフォルトの名無しさん

2011/02/07(月) 23:48:13

>>330
あくまでCUDA VS Wizardが不具合ならという前提だけど
sdkのtemplateプロジェクトを元に必要な箇所を修正してプロジェクトを
作りなおしてみるという手もある。

0332330

2011/02/08(火) 00:19:27

>>331さん
ありがとうございます。頂いたアドバイスを頼りに解決しました。

templateプロジェクトを開く＞プロパティ＞あれ？CUDA Bulid Rule v3.0.14＆sm_20できる＞google先生
＞先生「Cuda.rulesコピれ」＞！SDK導入後コピーするの忘れてた！＞①から②にCuda.rulesをコピー＞ヽ(´ー｀)ノ
①C:\ProgramData\NVIDIA Corporation\NVIDIA GPU Computing SDK\C\common
②C:\Program Files (x86)\Microsoft Visual Studio 9.0\VC\VCProjectDefaults

ちゃんとCUDA VS Wizardのプロジェクトでもsm_20を指定できました。
CUDA VS Wizardの問題ではなく、Cuda.rulesの格納し忘れでした。失礼いたしました。

0333デフォルトの名無しさん

2011/02/10(木) 23:09:14

CUBLASのcublasSetmatrix()にCUBLAS_STATUS_MAPPING_ERRORを
吐かれてしまうのですが、どういった理由が考えられますか？
最初に最大サイズの行列サイズでallocした後、
そのdeviceメモリ領域に行列データを転送して演算、
結果をhostに書き戻して、さきほどの領域にまた別のサイズ（最大よりは小さい）の行列を
hostから持ってきて演算・・・のような処理を繰り返しています。

0334デフォルトの名無しさん

2011/02/15(火) 02:14:46

卒論書き終わりました
このスレのみなさんのおかげです
質問にいっぱい答えてくれてありがとう

0335デフォルトの名無しさん

2011/02/16(水) 01:01:24

ちゃんと謝辞に書いたか？

0336デフォルトの名無しさん

2011/02/16(水) 05:21:54

他のスレッドでは書き込めない超低レベルなチラ裏で恐縮ですが、
CUDA toolkitのサンプルのVecAddで、floatを全てdoubleに置き換えた上で
１．ベクトル要素数Nをどこまで大きくできるか
２．CPUによるVecAddとの速度差はどの程度か
を調べました。
※GPU=GTS450 1GB、CPU=AthlonII-X4 640＠定格。CPUのVecAddは単純な3行ループで非マルチスレッド。

１．16*1000*1000までセーフ、17*1000*1000は実行時エラー(debug)。
つまりcudaMalloc()量にして384MBはセーフ、408MBはアウトでした（GTS450 1GB)。
VRAMいっぱいまで使えるわけではないのですね。

２．clock()による計測ですが、
GPU→トータル 437 clock（内訳：cudaMalloc(ABC)=250, cudaMemcpy(AとBをhost2dev)=125, VecAdd=0, Memcpy(Cをdev2host)=62）
CPU→172 clock
でした(debug。releaseでも比はだいたい同じ)。
最初は内訳を出さず437と172をみてガッカリしたのですが、内訳を見てマジスンマセンwでした。
メモリ確保・転送のオーバーヘッドがそれなりにあるということは、
「host関数から高速な関数としてdevice関数を（頻繁に）呼び出す」のではなく、
極力device関数内だけで処理をさせるようにしないとうまみが少ないのですね。

0337デフォルトの名無しさん

2011/02/17(木) 02:47:04

気づいたらなんか本出てたんだけどどうあれ？
入門書？応用書？

0338デフォルトの名無しさん

2011/02/17(木) 03:13:25

最近？どの本のことですか？

0339デフォルトの名無しさん

2011/02/17(木) 04:43:56

CUDA by Example?

0340デフォルトの名無しさん

2011/02/17(木) 14:56:50

>>339
そうそれ。2/14って書いてあったけど翻訳かな

0341デフォルトの名無しさん

2011/02/17(木) 17:23:30

>>340
翻訳だよ。
内容は入門書

英文マニュアル読めるならいらない。
ストリーム、アトミック演算、OpenGLやD3Dとの連携のヒント
複数GPUを使う方法、ゼロコピーメモリ、ページロックメモリ
テクスチャメモリとコンスタントメモリの使用法などが書いてある。

最適化については記述されてない。つまり
ブランチダイバージェンス、GRAMのコアレスアクセス、シェアードメモリのバンクコンフリクト
の説明はない

0342デフォルトの名無しさん

2011/02/17(木) 22:51:23

CUDA by Example 汎用GPUプログラミング入門
ttp://www.impressjapan.jp/books/2978

NVIDIA社シニアエンジニアが執筆！　CUDAでハードウェア性能を引き出し、計算時間を劇的に減らそう
本書では、汎用GPU（GPGPU）上でのCUDA Cプログラミングの基礎からはじめ、スレッド間の連携、
コンスタントメモリ/テクスチャメモリの使用、アトミック/ストリームの活用、マルチGPUの利用、
DirectX/OpenGLとの相互運用などを解説。CUDA Cプログラミングのさまざまな重要ポイントや
注意点を取り上げています。サンプルを交えて解説しており、
CUDA Cの手法が具体的かつ明確にわかります。初級から中級への橋渡しともなる
CUDA Cプログラマ必携の翻訳書です。

\2,940 (本体 \2,800＋税)
発売日：2011/02/14発売

0343336

2011/02/19(土) 01:05:39

超低レベルな>>336の訂正で申し訳ないですが、
clock()によるGPUの実行時間は取得方法が誤っておりました。

スーパーコンピューティングニュース[東京大学情報基盤センタースーパーコンピューティング部門]
http://www.cc.u-tokyo.ac.jp/publication/news/
にリンクが張られてある大島聡史先生のPDF：
「これからの並列計算のためのGPGPU連載講座 (Ⅲ) GPGPUプログラミング環境CUDA最適化編」
（201005_gpgpu2.pdf）に
＞funcname<<<xyz, xyz>>>(args1, args2);
の形の呼び出しは非同期であるためこの前後で時刻を取得しても
GPU上での計算時間は得られないと書かれてありました。
だから0clockになっていたんですね…。
（少なくとも処理後のcudaMalloc()の完了時点では処理は終わっているから
62clock未満ではあるのでしょうけど）

同pdfに、GPUの実行時間を調べられるCUDAプロファイラなるものが紹介されて
いるのでこの使い方も覚えていこうと思います。
このpdfのシリーズはすごくわかりやすいと思いました。
こういうものが公開されているのはすごくありがたいです。

0344デフォルトの名無しさん

2011/02/19(土) 08:58:53

このスレ読めばちゃんと書いてあるのに……

0345デフォルトの名無しさん

2011/02/19(土) 11:05:26

公開されている資料といえばこんなのを見つけたが。
ttp://accc.riken.jp/HPC/training.html
の下の方のCUDA。

0346デフォルトの名無しさん

2011/02/19(土) 14:08:01

>>343
そういうあなたにCuda by exampleをすすめる

0347デフォルトの名無しさん

2011/02/20(日) 01:43:34.23

著者が必死に宣伝しているように見える

0348デフォルトの名無しさん

2011/02/20(日) 01:54:08.17

まぁ青木本が1番

0349デフォルトの名無しさん

2011/02/20(日) 02:46:20.30

SDKのドキュメントが一番だろう。
アレに必要なことは大体書いてある。
あとは実行してプロファイルとったり
nvccでcubin吐いてenvytoolsで確認したり。

0350デフォルトの名無しさん

2011/02/20(日) 05:37:37.97

日本語でおｋ

0351デフォルトの名無しさん

2011/02/20(日) 08:59:35.86

nVidia日本法人にまともなエンジニアがいないんだ。日本語だけじゃなんともならん

0352デフォルトの名無しさん

2011/02/20(日) 18:02:58.21

SLIしてる場合、CUDAからはどういう扱いになるんでしょうか
１つの大きなGPUとして見え１つのホストスレッドで扱えるのでしょうか
それともSLIしていない場合と同じように複数のGPUとしてみえ、枚数分のホストスレッドで管理してやる
必要があるんでしょうか。

0353デフォルトの名無しさん

2011/02/20(日) 18:24:47.06

前に聞いたときはSLIはなんらCUDAに関与しないとのことだったけど。

0354デフォルトの名無しさん

2011/02/20(日) 19:00:08.93

ということは複数GPU挿しているときと同様の扱いになるということですか。
ゲーム等ではSLIできてCUDAではできないんですね。
手軽さより自分で制御できる事を優先してるのかな

0355デフォルトの名無しさん

2011/02/20(日) 19:07:14.32

もともとコアとしては遠くにあるわけだしVRAMも遠いんだから同一扱いは無理でしょ
むしろSLIがうまく分担してるんじゃない

0356デフォルトの名無しさん

2011/02/20(日) 19:39:29.66

SLIで充分なんだから本来グラフィックスにGTX480みたいなおばけチップはいらないんだよね

0357デフォルトの名無しさん

2011/02/20(日) 19:44:13.09

でもそのおばけチップでSLIにしたらもっと性能あがるじゃん
とくにCUDAスレの住民にはメリット大きいんじゃない？

0358343

2011/02/20(日) 22:40:30.94

>>344
すみません、最初から読んだはずだったんですが、読み取れなかったか見逃していたみたいです。
>>345
情報ありがとうございます、これちょくちょく更新されているみたいですね。チェックしておきます。
>>346
まだ「はじめてのCUDAプログラミング」を買おうかどうか迷っているレベルなんですが、
行き詰まったらそれの購入も含めて考えます！
>>349
確かにProgramming Guideは英語の割にはわかりやすいと思います。
cuda cubinで検索したら「CUDA テクニカルトレーニング」という
日本語のpdf（内容はプレゼン用スライド・2008）がみつかりました。
www.nvidia.co.jp/docs/IO/59373/VolumeI.pdf
nVidia公式にも日本語のドキュメントが増えてくれるとありがたいです。
一方この状況の中で翻訳したものをwikiで公開してくださっている方もいて
ただただ感謝です(Fermi Compatibility GuideとFermi Tuning Guide)。

0359デフォルトの名無しさん

2011/02/20(日) 23:40:26.16

>>358
まだなら「はじめてのCUDAプログラミング」を先に勧める。
英文が苦手ならさっさと本買ったほうが時間の節約になるし
実際のプログラムに時間を使った方が有益だと俺は思うよ。

0360358

2011/02/21(月) 00:02:16.28

>>359
そうですね…約2500円で省略できる時間のほうが有意義のように思います。
よし…買おう…bk1の300円ギフト券が手に入ったら…。

0361デフォルトの名無しさん

2011/02/21(月) 10:12:48.81

>353
>前に聞いたときはSLIはなんらCUDAに関与しないとのことだったけど。

使えるっぽいぞ
http://jp.slizone.com/object/sli_cuda_learn_jp.html

0362デフォルトの名無しさん

2011/02/22(火) 00:44:44.56

SDｋにSLID3D10Textureてサンプルがあってソースみたんだが、
最初にDirectXとGPUのチェックがあるだけで
特にSLI独自のコーディングは見当たらないな
かといって複数のGPUを制御するようなスレッド関係のコードもない

それらからSLI組んでれば1つの大きなGPUとしてプログラムからは扱えるんじゃないかと
思ったんだがどうなんだろうか。

0363デフォルトの名無しさん

2011/02/22(火) 23:08:18.71

>>361
なんだか滅茶苦茶な翻訳だな。
で、そこを読む限りPhysxとの連係には触れられているけど
それ以上の情報はないし、英語サイトにはその記述さえ見当たらないね。
うーん、どうなんだろう

0364デフォルトの名無しさん

2011/02/22(火) 23:39:43.06

俺の友達も教務情報改造して人数出るようにしたりしてたけど日本人だったぞ

0365364

2011/02/22(火) 23:40:49.41

間違えました
ごめんなさい

0366デフォルトの名無しさん

2011/02/24(木) 22:29:20.97

最近出たインプレスの本にSLIのことが載ってた

0367デフォルトの名無しさん

2011/02/24(木) 22:52:09.13

>>366
たしかに載ってるが概要の紹介程度で、SLIを使う方法や
SLIからどうGPUが見え、どのように制御するか（orできるか）は書かれてない。

索引から逆引きしても１０行くらいしか書かれてないじゃん。

0368デフォルトの名無しさん

2011/02/25(金) 05:40:01.78

新型マックじゃ使えないの?

0369デフォルトの名無しさん

2011/02/25(金) 06:17:44.62

Mac用のドライバもtoolkitもあるだろ
あとはGPUが対応してるか調べろよ

0370デフォルトの名無しさん

2011/02/25(金) 14:27:17.76

使えない

0371デフォルトの名無しさん

2011/02/28(月) 19:10:18.87

CUDAのアプリを作り始めたのですが、CUDAのSDKがインストールされていない環境で
アプリを動かすと”cudart32_32_16.dll”が無いと怒られます。

cudart32_32_16.dll で使われている関数等々をスタティックリンクする方法があれば教えていただけないでしょうか？

CUDA 3.2を使っています。

0372デフォルトの名無しさん

2011/02/28(月) 19:49:36.32

よくわからんけどコンパイル時に
-L /usr/local/cuda/lib64/ -lcudart
じゃだめ？
パスは適当

0373デフォルトの名無しさん

2011/03/01(火) 00:11:54.00

>>372
リンカのオプションの追加の「依存ファイル」で「cudart.lib」は指定してあります。

ツールキットのcudart.lib のファイルサイズは約41KBのものが１つのみ。
cudart32_32_16.dll のファイルサイズは約375KBです。

スタティックリンク用のcudart.libが無いということでしょうか？？？

開発環境を詳しく書きます

[開発環境]
OS: Win7 64bit
IDE: Visual Studio C++ 2008 Express
CUDA Toolkit: ver 3.2 32bitバージョン

0374デフォルトの名無しさん

2011/03/01(火) 00:47:03.69

>>371
CUDA RuntimeのDLLは再配布が許可されているみたいだし
単に他の環境で動かしたいだけなら、DLL同梱でいい気がする。

ttp://developer.download.nvidia.com/compute/cuda/3_2_prod/toolkit/docs/EULA.txt

0375デフォルトの名無しさん

2011/03/01(火) 02:29:40.71

>>374
ほむ！
ありがとうございます。
インストールしたときについてくるライセンスではそこら辺がよくわからなかったので助かります。
とりあえず、DLLも同梱しようと思います。（スタティックリンクしたいけど・・・）

0376デフォルトの名無しさん

2011/03/01(火) 03:33:24.52

4Gamer.net ― NVIDIA，「CUDA 4.0」の新機能を予告。より広い層の開発者にアピールする新バージョン（CUDA）
http://www.4gamer.net/games/076/G007660/20110228018/

Fermi持ってたら恩恵受けられるのかな。なんかよくわからんけど楽しみだ。
＞ちなみにGPUDirect 2.0とThrustをフルサポートするGPUは，Fermiアーキテクチャ限定となる。

0377デフォルトの名無しさん

2011/03/01(火) 03:56:33.42

>>376
・GPUDirect 2.0 …スパコンには良さそう？
・Unified Virtual Addressing…どれが何のメモリなのかごっちゃになりそう？
・Thrust…STL。。。どうでもよさそう？

0378デフォルトの名無しさん

2011/03/01(火) 23:32:35.21

こんにちは。cubinとptx関連の情報が欲しくてごにょごにょいじっていたのですが
ちょっと行き詰まりましたのでできれば２点ご教授いただきたく…

１．
CUDA 3.2 SDKについてくるtemplateプロジェクトのひな形を使ってアプリを書いているのですが、
プロジェクトの[プロパティ]→[構成プロパティ]→[CUDA Runtime API]→[GPU]
→[NVCC Compilation Type]で"Generate 32 bit .cubin file (-m32 -cubin)"を
選択してコンパイルしたところ

"1>nvcc fatal : redefinition of argument 'machine'"

と怒られました。おそらく"--machine 32" と、cubinオプションを選択したときに付く、"-m 32" の重複が怒られていると思うのですが
"-m 32"はcubin形式をプルダウン選択で選ぶと自動的に付いて、
"--machine 32"はどこで付くのかわからない状況です(Win32アプリには自動で付く？？？)。
どうすれば競合を解消できるでしょうか？

２．
仕方がないので、とりあえずコマンドラインから
-Xptxas="-v" -cubin --ptxas-options -v
を指定してコンパイルしたところ
無事にcubinファイルが出来たのですが、このcubinファイルはバイナリー形式で私の目では読むことが出来ませんでした。
このcubinをテキスト形式で読むにはどうしたら良いでしょうか？
(CUDA 3.0からcubinは一旦バイナリ形式で出力されるようになったようです)

[環境]
CUDA Toolkit, SDK 3.2

0379デフォルトの名無しさん

2011/03/02(水) 00:46:11.36

ptx出力じゃ、用が足らんのけ?

0380デフォルトの名無しさん

2011/03/02(水) 13:54:56.94

初心者です。
今からくだ勉強したい場合はCUDA4.0がオススメですか？

0381デフォルトの名無しさん

2011/03/02(水) 15:15:15.23

>>380
むしろcuda2.2くらいから。
基礎ができてから発展にすすめ

0382デフォルトの名無しさん

2011/03/02(水) 15:23:23.73

381さん有り難うございます。cuda2.2からやってみます。

0383デフォルトの名無しさん

2011/03/02(水) 15:39:44.51

古いバージョンのCUDAを知る必要は普通はない。
CUDA 4.0でも基本的にこれまでの機能を全て備えている。
また古い世代のGPUは余裕がある場合だけ追うべき。

0384デフォルトの名無しさん

2011/03/02(水) 15:51:19.20

>>383
同意

つか、
>cuda2.2くらい
"くらい"なんて中途半端な答え方してるのかがワカラン

0385デフォルトの名無しさん

2011/03/03(木) 23:20:08.40

>>379
readelf でcubinみましたが、いまいちよくわからなかったのでptxみます。
まあ、ptxもよくわからないのですが…

0386デフォルトの名無しさん

2011/03/04(金) 11:17:18.22

PTXを読んで分からない人にはcubinは無理。

0387デフォルトの名無しさん

2011/03/04(金) 20:05:59.06

CUDA 4,0 RC が来たよ

0388デフォルトの名無しさん

2011/03/06(日) 02:29:43.51

Visual Studio 2010 まだ来ないよ

0389デフォルトの名無しさん

2011/03/08(火) 02:57:27.52

すみません。
どなたかAMBER(Assisted Model Building with Energy Refinement)というソフトをCUDAで動かしてる人いませんか？
このソフトを
Cent OS5.5 x86_64(カーネル 2.6.18-194.el5)
インテルコンパイラーとの併用で動かそうと何度も試みているのですがなかなか上手くいきません。
不具合の原因はGCCのバージョンとインテルコンパイラーのバージョンの組み合わせにあると睨んでいるのですが…
もし、動かせている方がいらしたらGCCのバージョンとインテルコンパイラーのバージョンの組み合わせををヒントとして教えてほしいのですが

0390デフォルトの名無しさん

2011/03/08(火) 22:01:42.39

>>389
コンパイルでエラーなのかリンカでエラーなのかわからん。
取り合えずsdkのサンプルでiccで動かしてみたら？それで問題がわかるでしょ。
それが出来ないなら、
そもそもnvcc自体がgccのラッパだし、
素直にgcc使えば？

0391デフォルトの名無しさん

2011/03/09(水) 22:09:17.79

デバイス関数で、VC++でいうところの Sleep(0)、gccでいうところのsleep(0)？？？と同等の動作をする関数を探しているのですが
適切な関数があれば教えていただけないでしょうか。

0392デフォルトの名無しさん

2011/03/09(水) 22:12:55.97

眠らす必要がなさそうだから無いと思う

0393デフォルトの名無しさん

2011/03/09(水) 22:49:28.90

>>392
フロントエンドというかデスクトップというか、とにかくグラフィックスの描画が遅くなる（当たり前ですが…）のと、
GPUの温度がかなり上がるので、
デバイス関数のループの中に、ちびっとだけSleep(0) 的なものを入れたいのですが、
関数的なものは用意されていないっぽいですかね。

例えば、どれか１つだけスレッドの処理ループを長引かせて、__SyncThreads() でもしたらいいのかしらん…？？？

0394デフォルトの名無しさん

2011/03/09(水) 22:53:11.30

利用者の大半はカーネルを一気に計算したい派だとおも
熱いから休憩するって発想は俺含めてないんじゃね？

0395デフォルトの名無しさん

2011/03/09(水) 23:41:01.50

自分はカーネルを終了させる必要があると思います

0396デフォルトの名無しさん

2011/03/09(水) 23:58:40.99

>>395

例えば、

__global__ void test()
{
　　...
　　for (i = 0; i < LOOP; i++)
　　{
　　　　__syncThreads();
　　　　...
　　　　// Sleep(0) 的なもの？？？
　　　　if (blockIdx.x == 0 && blockIdx.y == 0)
　　　　{
　　　　　　// 何か冗長な処理
　　　　}
　　}
}

って感じじゃSleep(0)の代わりにならないですかね？

0397デフォルトの名無しさん

2011/03/10(木) 00:06:55.92

それはビジーウェイトになんね？
結局熱くなってしまうんだが

0398デフォルトの名無しさん

2011/03/10(木) 00:16:02.21

>>397
そうなんですか…
ビジーウェイト調べてみます。

0399デフォルトの名無しさん

2011/03/10(木) 04:14:12.92

>>396
カーネルを分割すればいいんじゃね?
わざわざ遅くする理由を思いつかないから試す気にもなれないけど。

0400デフォルトの名無しさん

2011/03/10(木) 09:03:17.86

>>399
これが正解だろう。
でもそもそも、ちょっと休ませたくらいじゃ熱なんて変わらんだろうから、ドライバの設定でクロックを下げたらいい。
もしくは、放熱を強化するかだろう。

0401デフォルトの名無しさん

2011/03/17(木) 13:38:21.43

CUDAでGTX460(1.5GHz)、4枚分程の計算能力を求めています。
GTX460を2枚刺ししたPC2台と、4枚刺ししたPC1台のどちらを組む方が良いでしょうか？

4枚刺しですと、電源のとりまわしと冷却に不安を感じております。

0402デフォルトの名無しさん

2011/03/17(木) 14:33:27.94

GPU間の通信はどれくらいしますか。

0403402

2011/03/17(木) 17:10:47.41

そういうのを意識しないなら、なるべくわけた方が安定しそうですね。

0404デフォルトの名無しさん

2011/03/17(木) 17:47:16.68

>>401
単純に、書かれた内容だけで判断する限り前者の方が計算能力が高い。
但し、後者により強力なCPUとメモリを搭載する場合は一概に言えない。

0405デフォルトの名無しさん

2011/03/21(月) 23:08:34.74

>>402
GPU間の通信は無いです。

>>403-404
GPU間の通信が無く、CPU側の処理も軽いので
4枚刺しによる恩恵が特になさそうなので
2台で組んだ方がよさそうですね。
ありがとうございました。

0406デフォルトの名無しさん

2011/03/22(火) 00:55:46.70

GPU計算早すぎ、ワロタ。
長い目で見ると、DSPとかで食いつないでた信号処理屋的に失業の危機じゃん…

0407デフォルトの名無しさん

2011/03/22(火) 05:48:58.16

GPUメモリのTLBミスが気になるのですが、何か情報ないでしょうか

0408デフォルトの名無しさん

2011/03/22(火) 10:14:13.39

>>406
カスタムチップによる高速演算ボードを出していたところは尽く撤退しました。

0409 [―{}@{}@{}-] デフォルトの名無しさん

2011/03/22(火) 23:46:07.04

sharedメモリへのバンクコンフリクトは避けたほうが良いって話だけど、
共有メモリが16バンクに分割されているってのは①②のどっちだろ。

①マルチプロセッサのもつ16384Byteが16分割されてる
②ブロックに割り当てた共有メモリが16分割される

ハードウェアが固定されてそうだから①の気がするんだけど…。

0410福盛俊明

2011/03/23(水) 02:45:25.67

アハ～♪”

0411デフォルトの名無しさん

2011/03/23(水) 13:39:51.91

GPUDirect 2.0について質問です．

GeForce GTX 580を二枚搭載したPC(CUDA 4.0 RC インストール済み)を使って，
GPUDirect 2.0を用いたプログラムを作成しようと思っています．

cudaDeviceCanAccessPeerという関数を用いて，
GPUDirect 2.0が使用可能かどうか調べたのですが，
結果が0(=出来ない)ということでした．

FermiでもGeForceではダメだということでしょうか？
それとも，GPUDirect 2.0は Peer-to-Peer Memory Access(←私が勝手にGPUDirect 2.0だと思っている)
とは別のものなのでしょうか？

試された方はここに居らっしゃいますでしょうか？

0412デフォルトの名無しさん

2011/03/23(水) 17:48:37.13

CanAccessPeerは無視してよい。
確かにTeslaシリーズでは1が、GeForceシリーズでは0が返る。
だけど実際にはGeForceでも通信はできる。
UVAだかなんだかに対応するGPUなら問題ないのかも。

0413デフォルトの名無しさん

2011/03/23(水) 23:13:07.00

ワープってやっぱりSMの上限いっぱいまで詰め込んだほうがいいの？
例えばSMの上限ワープが32のところに16個のワープにしても、
メモリアクセスのようなレイテンシがないなら問題ない気がするんだが。

0414デフォルトの名無しさん

2011/03/24(木) 11:46:09.16

CUDA初心者です。
CUDAを使って、ゲームエンジンのUnrealとかcryを使ってる方いらっしゃいますか。
参考になるサイトを教えてほしいのですが

0415デフォルトの名無しさん

2011/03/24(木) 20:35:29.92

例えば、デバイス側の主要な処理が下のような論理演算であった場合、
論理演算部分のアセンブラ化による高速化は望めるでしょうか？

それとも、レジスタの使い方がコンパイラの方がうまくて、
より高速なアセンブラを書くのは難しいでしょうか？

__global__ void test(int *a, int *b, int *c)
{
　　// 初期化処理
　　
　　// メインのループ
　　for (i = 0; i < LOOP; i++)
　　{
　　　　a[i] = (b[i]<<10 | (b[i] >> 22)) ^ c[i];
　　}
}

0416デフォルトの名無しさん

2011/03/24(木) 21:10:44.15

少なくともその論理演算部分をアセンブラで書く必要はない。
そもそもメモリアクセスがボトルネックにならないほど多くの演算があるのかどうか。

0417デフォルトの名無しさん

2011/03/24(木) 21:50:24.37

分岐を避けるためにビット演算使いたくなるけど、いまいち貧弱なんだよなあ・・・

0418デフォルトの名無しさん

2011/03/25(金) 12:10:15.17

英語か日本語でptxファイルの読み方を解説しているドキュメントがあれば教えていただけないでしょうか。

また、コンパイル時にptxファイルに明示的にコメントを挿入するコマンドがあれば教えていただけないでしょうか。
例えば、test.cu に、「__PTX_COMMENT("foo");」という行を記述すると、ptxファイルに
// foo
といった行が挿入されるという具合のものを探しています。

0419デフォルトの名無しさん

2011/03/25(金) 13:36:10.03

PTXのマニュアルはToolkitに含まれているかと。

ptxにブロックごとに行番号情報は含まれているのでソースのどこに相当するかは分かるのでは。
特定の場所が知りたければ例えば__syncthreads()を１０個入れとくとか。

0420デフォルトの名無しさん

2011/03/25(金) 15:16:09.98

perl とかでつくれそうだよね

0421デフォルトの名無しさん

2011/03/25(金) 17:03:42.70

>>419
なるほど。例えば、ダミーでfoo0()とか、foo1()とか関数を作ってコメント代わりに呼び出せばよいと。

>>420
コマンドとしては無いということですね。

0422デフォルトの名無しさん

2011/03/28(月) 20:51:27.79

CUFFTのハンドル確保するだけでエラーが出る…。↓エラーのでるコード。

CUT_DEVICE_INIT(argc, argv);
cufftHandle plan;
cufftPlan1d(&plan, 4096, CUFFT_C2C, 16);
cufftDestroy(plan);

↓エラー
First-chance exception at 0x000007fefd96aa7d in CudaTest.exe: Microsoft C++ exception: cudaError_enum at memory location 0x001ef830..

なずぇ・・・。cufftExecC2C走らせるとFFTは実行して変換結果も正しいのだが謎す。

0423デフォルトの名無しさん

2011/03/29(火) 11:17:10.20

cufftは内部であれこれ怪しげなことしているからなぁ。
VRAMは未だ余っている筈なのにエラーになったり、作ったプランを使わずに破棄するとこけたり……
って、>422はそのパターンか?

0424デフォルトの名無しさん

2011/03/30(水) 14:28:25.63

>423
cufftExecC2C実行してもやっぱでる。
海外フォーラムみてたらver 3.2が怪しくて ver3.0にしたら消えたって書いてあったんで
ver3.0にしてみたがやっぱでる。うーん・・・。

0425デフォルトの名無しさん

2011/03/30(水) 16:09:16.17

>>424
うーん、SDKとcufftの組み合わせで相性あるしなぁ。
あと、サイズが2の冪かどうかでも変わるかもしれない。
つーか、3.1よりは3.2の方がましだった気がするんだが……

0426デフォルトの名無しさん

2011/04/02(土) 17:59:42.31

サンプルはmain関数でCUDAを利用するのばっかだけど、
VC++でダイアログから.cuの関数使うようなサンプルってなんかない？

0427デフォルトの名無しさん

2011/04/02(土) 18:01:41.56

>>426
おまいさんは関数を分割することもできんのかね。

0428デフォルトの名無しさん

2011/04/02(土) 19:08:36.61

windowsよく知らんけど
それはライブラリ作んなくてもできるんかい？

0429427

2011/04/02(土) 19:39:35.97

>427
extern "C" つけたらできたや。ごめんごめん。

0430デフォルトの名無しさん

2011/04/02(土) 20:08:34.70

>>429
お前はだれ？
そんで誰にレス支店の？

0431425

2011/04/02(土) 21:07:05.73

まちがえちゃった。テヘッ

0432デフォルトの名無しさん

2011/04/04(月) 17:39:36.21

プログラミングガイドに記載されているように

CU_SAFE_CALL(cuInit(0));
CU_SAFE_CALL(cuDeviceGet(&device, 0));
CU_SAFE_CALL(cuGLCtxCreate(&context, 0, device));

と初期化すると，cuGLCtxCreateで

Cuda driver error 3e7

というエラーが発生してしまいます．

詳しい方居らっしゃいますでしょうか？

当方の環境は
Windows xp 32bit
CUDA 4.0 RC
ドライバは270.51を使用しています．

0433デフォルトの名無しさん

2011/04/04(月) 22:25:10.79

CU_SAFE_CALL(cuInit(0));
CU_SAFE_CALL(cuGLInit(0));
CU_SAFE_CALL(cuDeviceGet(&device, 0));
CU_SAFE_CALL(cuGLCtxCreate(&context, 0, device));

0434デフォルトの名無しさん

2011/04/04(月) 22:26:11.47

ミスった。
1点だけ。
uGLInit(0)→uGLInit()

0435432

2011/04/05(火) 11:10:29.98

>>433-434
この通りにしましたところ，今度はcuGLInitで
Cuda driver error c9
が発生しました...

0436デフォルトの名無しさん

2011/04/05(火) 17:48:55.53

コマンドラインからnvccでコンパイルする際、普通のC++部分のコンパイルを
Intelコンパイラ："icl.exe"に行わせたいのですが、どのようにコマンドを記述したら良いでしょうか？

環境：
Windows 7
CUDA 3.2

0437デフォルトの名無しさん

2011/04/05(火) 17:59:21.74

nvccしか使えないところはライブラリ化してやってるけど
もっといい方法あるんかいな？

0438デフォルトの名無しさん

2011/04/05(火) 20:34:55.57

西日本も福島原発の放射能に曝される。

4/7 予測 http://up3.viploader.net/ippan/src/vlippan198234.jpg
発表はドイツ気象庁 http://www.dwd.de/

0439デフォルトの名無しさん

2011/04/05(火) 21:13:26.38

CUDAで予測出来ないんすか？

0440デフォルトの名無しさん

2011/04/05(火) 23:50:34.55

できますん

0441デフォルトの名無しさん

2011/04/06(水) 02:41:41.96

どっちですか

0442デフォルトの名無しさん

2011/04/06(水) 07:54:08.27

日本語で予測できるか質問するくらい意味がないことに気付け

0443デフォルトの名無しさん

2011/04/06(水) 10:06:08.15

>>442
さすがにそれはちょっと違うと思うけど
気象系シミュレーションでGPUつかってるところって結構あるよね？

0444デフォルトの名無しさん

2011/04/06(水) 17:09:45.35

？

0445デフォルトの名無しさん

2011/04/06(水) 17:21:47.83

さすがにこれは？？？だな

0446デフォルトの名無しさん

2011/04/06(水) 18:02:23.22

>>435

cuInit
cuDeviceGet
cuCtxCreate
cuGLInit
cuGLCtxCreate

じゃね?

0447432

2011/04/07(木) 17:59:04.18

>>446
やはりcuGLInitで同様のエラーが出ます．

0448デフォルトの名無しさん

2011/04/07(木) 18:05:26.23

3.2でやってみれ

0449432

2011/04/07(木) 18:20:08.71

>>448
3.2でも同様です．

0450デフォルトの名無しさん

2011/04/07(木) 19:40:03.31

OpenGLは初期化してるよね?

0451432

2011/04/08(金) 08:52:38.77

>>450
大変御迷惑おかけしました．
自分の無知さに絶望しました．

OpenGLの初期化後に
CU_SAFE_CALL(cuInit(0));
CU_SAFE_CALL(cuDeviceGet(&device, 0));
CU_SAFE_CALL(cuGLCtxCreate(&context, 0, device));
で動作させることが出来ました．

御手数おかけしました．

0452デフォルトの名無しさん

2011/04/08(金) 20:02:33.08

シュミレーション

0453デフォルトの名無しさん

2011/04/08(金) 21:02:09.88

あながち間違ってはいないな

0454デフォルトの名無しさん

2011/04/09(土) 16:43:22.41

cudaMallocとかcudaFreeとかcudaMemcpyとか、どのヘッダに定義されてんの？
cutil.hにもcuda.hにも定義されてねーのだが。

0455デフォルトの名無しさん

2011/04/09(土) 17:05:25.29

cuda_runtime.h

0456デフォルトの名無しさん

2011/04/09(土) 17:10:51.07

　　　　＿＿＿
　　 ,;f　　　　　ヽ　　　　　　　
　　i:　　　　　　 i 　　
　　|　　　　　　　　|　　///;ﾄ,
　　|　　　　^　　^　)　////ﾞlﾞl; 　　
　　(.　　>ﾉ(､_, )ヽ､} l 　 .i .! | 　　
　 ,,∧ヽ　!-=ﾆ=- | │　　| .|
／＼..＼＼｀ﾆﾆ´ !,　{　　 .ﾉ.ﾉ
／　＼＼￣￣￣../　　 / .|

0457デフォルトの名無しさん

2011/04/10(日) 01:00:12.43

いまだにキューダと読んでしまうのだが、クーダと読む習慣が付いてる人はどれくらいいるんだろう

0458デフォルトの名無しさん

2011/04/10(日) 11:48:25.16

あなた以外ほとんどがクーダだと思います

0459デフォルトの名無しさん

2011/04/10(日) 12:13:51.20

main.cu

メインドットクー？

0460デフォルトの名無しさん

2011/04/10(日) 12:41:02.43

OpenGLとの連携が遅いでござる。
フォーラム見ても遅い遅いと書いてあるし、どうしようもないのかこれ？

0461デフォルトの名無しさん

2011/04/10(日) 18:44:20.12

warpはなんて読む？

0462デフォルトの名無しさん

2011/04/10(日) 18:48:15.64

ﾜｰﾋﾟｰ

0463デフォルトの名無しさん

2011/04/10(日) 19:12:02.26

ウォープ

0464デフォルトの名無しさん

2011/04/10(日) 19:56:18.22

飯野の巣

0465デフォルトの名無しさん

2011/04/11(月) 20:09:52.50

warning
walking
working
star wars
それぞれなんて読む？

0466デフォルトの名無しさん

2011/04/11(月) 20:23:49.35

それ、この板で何度も繰り返し振られる話題だよな

0467デフォルトの名無しさん

2011/04/11(月) 20:38:03.05

>>465
ワーニング
ワーキング
ウォーキング
スターウォーズ

0468デフォルトの名無しさん

2011/04/11(月) 20:41:31.72

スターワーズだりょ

0469デフォルトの名無しさん

2011/04/11(月) 20:42:58.66

threadIdxがidのxだといつも勘違いしてしまう

0470デフォルトの名無しさん

2011/04/11(月) 21:04:45.77

stdio をスタジオだといつも勘違してしまうのとはちょっと違うか

0471デフォルトの名無しさん

2011/04/11(月) 22:09:14.04

カタカナ表記した時点で正しい読みから外れてる

0472デフォルトの名無しさん

2011/04/11(月) 22:31:58.48

>>469
わかるわ
油断するとIdxとIdyがあると思っちゃう
threadIdx.y
xのy？？？
スレッドはフルスペルなんたからthreadIndexでいいじゃねえか

0473デフォルトの名無しさん

2011/04/11(月) 23:56:43.33

寧ろptx出力宜しくtid.x希望w

0474デフォルトの名無しさん

2011/04/12(火) 22:35:25.63

明示的にグローバルメモリから共有メモリへの読み込みを行う命令ってないのかね。
スレッドに分けて暗黙にコアレスアクセスさせると、どうもコードが汚くなる。

0475デフォルトの名無しさん

2011/04/13(水) 01:04:12.90

ううーん、デバイス側にメモリ確保しっぱなしだとOpenGLの性能が著しく低下する…。
計算結果を最終的にOpenGLで表示するような場合だと、無駄なメモリコピーは仕方ないものとして
計算結果をホスト側に逐一戻したほうがよさげ？

0476デフォルトの名無しさん

2011/04/19(火) 21:32:44.77

3.2から4.0 RC2に変更したんだけど，Cuda.rulesってないの？

0477デフォルトの名無しさん

2011/04/20(水) 01:10:42.96

つかなんでcommon\lib\Win32の中にcutil32.dllがあるんだっていう

0478デフォルトの名無しさん

2011/04/20(水) 01:11:01.88

CUDAのアセンブラにMMXやSSEのような命令はあるでしょうか？

（CUDAのカーネル関数の中で、MMXのPADDDのような32bit整数の4並列計算のようなことができなかと思っています）

0479デフォルトの名無しさん

2011/04/20(水) 01:16:07.37

>>478
CAL+IL

0480 忍法帖【Lv=11,xxxPT】

2011/04/20(水) 04:19:17.84

2枚差しの場合、2つプログラムを走らせたら、それぞれ別のGPUを使ってくれるのですか？

0481 忍法帖【Lv=15,xxxPT】

2011/04/20(水) 07:08:07.39

現状では自分で何番目のGPUを使うか指定する必要があります。

0482デフォルトの名無しさん

2011/04/20(水) 11:51:01.49

>>477
イミフ

0483デフォルトの名無しさん

2011/04/20(水) 20:42:07.79

>>479
えと、CUDA用には無いということでしょうか？

add.u32

を2並列(64bitレジスタ)、あるいは4並列(128bitレジスタ)で実行するような命令セットはないでしょうか？

0484デフォルトの名無しさん

2011/04/20(水) 21:24:43.20

>>483
そのためのSIMT

0485デフォルトの名無しさん

2011/04/20(水) 22:27:22.88

>>483
何かを誤解しているようだが、CUDAには必要ないから無い。
SSEを使わないと100%の性能が出せないとかいうCPUのような制約は無い。

add.u32という命令ならほっといてもWarp単位の３２スレッドが（ほぼ同時に）実行する。
全命令が３２並列のSIMD命令になっていると考えればよい。（３２ビットデータの場合）

0486デフォルトの名無しさん

2011/04/20(水) 22:50:57.29

>>484-485
CUDAがSIMTなのか、SIMDなのか、SPMDなのかはさておいて…

昔の記述だとCUDAアーキテクチャのレジスタは32bitとかだったと思いますが、
今時のNVIDAのGPUには64bitレジスタ、あるいは128bitレジスタがあって、それを使って
padd.u32 みたいな命令により、「1スレッド内の演算において」32bit整数の4並列処理が出来るとかないでしょうか？

ということなのですが、いかがでしょうか？

Streamでは128bitレジスタで32bit4並列の演算ができるみたいのですが・・・

0487デフォルトの名無しさん

2011/04/21(木) 04:36:54.19

そこまでやるならＣＰＵの方が早かったりしてｗ

0488デフォルトの名無しさん

2011/04/21(木) 08:16:13.34

>>486
そんなものはないから誤解だと言ってるんだが。
AMDは１スレッドが4 or 5演算のVLIWで動作するから4並列のSIMD命令化の意味があるが
CUDAは１スレッドが各種演算ユニットを１ずつしかもたない(or複数スレッドが共有）CUDA Coreで
実行されるので128bit型を用いたとしても４命令になるだけ。

0489デフォルトの名無しさん

2011/04/21(木) 09:31:19.38

>>488
誤解というか、質問なのですが・・・

今どきのCUDAでもレジスタレベルのSIMD命令は無く、
ハードウエア的に、レジスタも演算器も（今のところは）そのような用途には向いていないということですね。

ありがとうございましたゞ

0490デフォルトの名無しさん

2011/04/21(木) 09:35:39.70

それよりSandyBridgeのベクタ演算機の性能はどうなんだろうな
まだ試験実装だからコア数が少ないけどメインメモリ直結だからけっこう早そうなんだが

0491デフォルトの名無しさん

2011/04/21(木) 09:59:44.72

その辺は簡単な報告を以前SSEスレにあげといたよ
イミフな反応が多々あったけどね

0492デフォルトの名無しさん

2011/04/21(木) 10:04:26.92

>489が根本的に解ってない悪寒

0493デフォルトの名無しさん

2011/04/21(木) 21:59:22.93

>>492
論理レジスタとか、物理レジスタとかいう話しですか？？？
>>486への根本的な回答はどうなりますか？

0494デフォルトの名無しさん

2011/04/21(木) 22:29:01.49

とりあえず公式文書を読んでから質問してくれ。

0495デフォルトの名無しさん

2011/04/21(木) 22:39:09.84

ようするに64bitレジスタに8x8のデータを入れて同時に処理出来るのかってことでしょ
streamsdkには専用の命令があると？
cudaはそんなものは勝手にやると言ってる人が居るけど、どうやってやるんだ？

cudaにはそういう命令は無いよ
内部で処理することが出来るとは思えないけどな
少なくともユーザープログラムからやる方法はないよ
内部的にはそういう命令も持ってるかもしれないけど
というかそういうアセンブラレベルの最適化をしなくていいようにしたのがＣＵＤＡ言語なわけで
複雑化する要因はパフォーマンスを犠牲にしてでも排除されるだろう
どうしてもやりたかったら64bit変数を使って自前でやるしかないだろう

0496デフォルトの名無しさん

2011/04/21(木) 23:07:04.51

>>495
>>486 への回答は”No”ということですね。
ありがとうございます。

将来的には"Yes"になると思っているのですが、そこら辺が「根本的に解ってない」と言われる所以ですかね。
「根本的に解ってない」らしいので、何がなんだかさっぱりですが・・・

# 今、スクラッチのCUDA用アプリで、SSEで書かれたCPU用アプリの約5倍（CPU側はSandyBridgeで4スレッドで動作）の速度が出ているのですが、
CPU側がきちんとAVXに対応してきたらこの差はかなり縮まりそうなんですよね・・・

0497デフォルトの名無しさん

2011/04/21(木) 23:11:08.25

ねえ、GPUの速さの要因ってCPUより圧倒的に軽量なスレッド数によるもんじゃないの
まずそっからじゃないのかね？

0498デフォルトの名無しさん

2011/04/21(木) 23:14:37.36

>>496
さっきからすげー鼻につくんだけど
教わる態度じゃないよお前

教えてんの俺じゃないけどさ

0499デフォルトの名無しさん

2011/04/21(木) 23:22:41.50

あれだ、自分が書いたcudaのコードが思ったはど速度が出ないから
腹癒せしているか言い訳探しているかってところだろ。
今日たまたま計測していたんだが、cufftでもfftwfの3倍程度だった。
汎用ルーチンじゃこんなもんだよ。

0500デフォルトの名無しさん

2011/04/21(木) 23:51:10.29

>>498
CUDAの将来的な見通しについて知りたかった部分もあったので
失礼に見えた部分があるかもしれません。

ごめんなさい。

0501デフォルトの名無しさん

2011/04/22(金) 00:46:21.02

SIMDみたいなものつけて各コアを高機能にするよりは、
単純なコアの数を増やす方向に進むだろうなあ。

0502デフォルトの名無しさん

2011/04/22(金) 00:51:40.28

レジスタ/SM増やして欲しい…

0503デフォルトの名無しさん

2011/04/22(金) 01:02:26.93

GF100やGF104の倍精度（64bit）の演算って単精度（32bit）の1/4のスループットとかじゃなかったかな？
おまけにGF104は倍精度をサポートしているコア数は1/3だし。
更にHPC向けではなくグラフィック向けの物は制限かかっているらしいし。

倍精度が必要になるなら仕方ないだろうけど、32bit変数で足りるのに64bit変数を使うのはデメリットの方が圧倒的に多そう。

0504デフォルトの名無しさん

2011/04/22(金) 01:08:10.32

いろいろ試したがＣＰＵと比較して４倍程度しか上がらないし
労力掛かるわりには環境依存甚だしいわ
４倍くらいだったら別に我慢出来ないようなものなんてないし
マルチコアＣＰＵで普通に組のが一番いいという結論に達した

0505デフォルトの名無しさん

2011/04/22(金) 01:11:09.84

>>504
計算したい内容を簡潔に書いてみ
計算内容によってＧＰＵに向き不向きがあるから

0506デフォルトの名無しさん

2011/04/22(金) 01:12:19.97

>>497
膨大なスレッド数と、その切り替えの軽量さを活かして
メモリアクセスのレイテンシの隠蔽とかだっけ。

>>502
スレッドあたりの変数が多いと苦労するね。
そういう場合はシェアードメモリをうまく使って切り抜けるしかないのかな。

0507デフォルトの名無しさん

2011/04/22(金) 01:15:58.96

CUDAは4nbyteを1要素とした16要素SIMDって感覚だわ。(n = 1,2,3,4)
メモリアクセス考えると結局16要素単位の処理の塊になってしまう。

0508デフォルトの名無しさん

2011/04/22(金) 01:19:14.16

>>506
共有使ってもたらん
Sharedも増やせ！キャッシュも増やせ!

0509デフォルトの名無しさん

2011/04/22(金) 01:31:49.64

向いてないよ。

0510デフォルトの名無しさん

2011/04/22(金) 07:57:21.85

CUDAとかGPGPUの普及の足引っ張ってるだけだよなぁ。
早くintel、amd,nvidiaで統一してくれよ。
機械語レベルでも、ライブラリレベルでもいいからさ。

0511デフォルトの名無しさん

2011/04/22(金) 10:14:49.72

OpenMPってよく知らないが_beginthreadしてるわけじゃなく
CPUレベルでスイッチングしてるだけみたいだから
ほとんどオーバーヘッドがないみたいだぞ
十分標準として使えそうなんだが

0512デフォルトの名無しさん

2011/04/22(金) 10:24:09.66

残念ながら生成負荷は大きいよ
だから何度もスレッド生成するような処理はかえって遅くなる

0513デフォルトの名無しさん

2011/04/22(金) 10:26:56.96

いやいや、ちゃんとスレッドプールしてるって

0514デフォルトの名無しさん

2011/04/22(金) 10:42:12.62

>>513
おまえ>>504だろ
試行レベルが同一

0515デフォルトの名無しさん

2011/04/22(金) 11:01:13.45

>>514
お前、いろいろと残念な人だな

0516デフォルトの名無しさん

2011/04/22(金) 11:09:33.71

と、せ～いっぱいの切替し
つか下らんこと書くならよそでやれヴぉけ

0517デフォルトの名無しさん

2011/04/22(金) 11:16:10.78

切り返し
な。
煽るなら突っ込まれる隙作っちゃダメだ

0518デフォルトの名無しさん

2011/04/22(金) 11:20:23.65

いいからスレ違いだ。

0519デフォルトの名無しさん

2011/04/22(金) 11:21:44.53

スレッドの生成負荷は軽いと言われているのを鵜呑みするとなかなか性能が出ないこともある気がする。
カーネル側でスレッドの生成回数を出来るだけ減らす工夫が必要だったり。

0520デフォルトの名無しさん

2011/04/22(金) 11:55:51.71

スレッドの生成負荷はプールすればいいから問題じゃない
スレッドを切り替えるときにスタックポインタ変えたりするコンテクストスイッチの負荷が問題

0521デフォルトの名無しさん

2011/04/22(金) 13:09:56.12

cudaでスレッドのプールができるのかえ？
cpuの話をここに書いてる？

0522デフォルトの名無しさん

2011/04/22(金) 13:20:03.48

そうそう、何度指摘してもスレ違いの話を続けているの。

0523デフォルトの名無しさん

2011/04/22(金) 13:23:34.12

その話、終わりました

0524デフォルトの名無しさん

2011/04/22(金) 13:55:34.91

どこまでをCPUで計算し、どこまでをGPUで計算するのかはGPGPUで重要
だからスレッドの性質については知っておく必要がある
CUDAを使いこなすのにアップアップのアホどもには関係ないけど

0525デフォルトの名無しさん

2011/04/22(金) 14:04:51.88

解決を依存性のない単純に並列化可能なアルゴリズムに置き換えられる問題を
GPGPUでやるもんだと思ってたんだが違うのか？

0526デフォルトの名無しさん

2011/04/22(金) 14:11:42.11

そりゃそうだが、データの転送速度、超越関数を使用するかどうかなど、
単純に並列度が高ければGPUでOKってもんじゃない
Opteronの48コアマシンがお手頃価格で手に入る時代だぜ？

0527デフォルトの名無しさん

2011/04/22(金) 14:13:49.17

あ、誤解の無いように書いとくが、CUDAやGPGPUを否定してるわけじゃないよ

0528デフォルトの名無しさん

2011/04/22(金) 14:15:39.88

夏場に熱で吹っ飛んだのれす

0529デフォルトの名無しさん

2011/04/22(金) 17:16:29.77

>>526
> Opteronの48コアマシンがお手頃価格

今、おいくら万円くらい？

0530デフォルトの名無しさん

2011/04/22(金) 17:24:19.24

全部こみこみで100マソ切った

0531デフォルトの名無しさん

2011/04/22(金) 17:48:16.70

高っ

0532デフォルトの名無しさん

2011/04/22(金) 17:49:59.02

そうか、ごめん……

0533デフォルトの名無しさん

2011/04/22(金) 17:50:02.42

48コアで何テラFlopsぐらい出んの？

0534デフォルトの名無しさん

2011/04/22(金) 17:56:21.72

高いけど、業務で使うならテスラを組み込んだサーバとたいして変わらないんじゃない？
個人とか研究室とかだと絶対的金額から手が出せないかもしれないけど。

0535デフォルトの名無しさん

2011/04/22(金) 17:58:31.18

それは言えてる。

0536デフォルトの名無しさん

2011/04/22(金) 18:06:31.47

>>533
えーと、0.5テラFlopsくらい？

0537デフォルトの名無しさん

2011/04/22(金) 18:59:41.35

17万x4(CPU)+12万(ﾏｻﾞﾎﾞ)+HDDﾒﾓﾘｹｰｽか
欲しいけど家庭用のコンセントで大丈夫だろうか
似たようなスペックでGPGPU構築したらいくらぐらいかかるのかな

0.5テラFlopはしょぼくないか

0538デフォルトの名無しさん

2011/04/22(金) 20:43:24.14

>>537
家庭用コンセントじゃ無理
グラボ刺さるからGPGPUできるよ

0539デフォルトの名無しさん

2011/04/22(金) 21:43:26.64

>>538
このマザーで自作すると・・・
http://akiba.kakaku.com/pc/1103/31/131500.php

130000+100000*4+12800*16+100000+50000+α=884800+α

くらい？

だとしたら100万円ほどで完成品が買えるなら良心的な価格な気がするね。

下のマザーボードだと気合いで8本GPU載せられるんだろか？
http://akiba.kakaku.com/pc/1104/20/213000.php

0540デフォルトの名無しさん

2011/04/22(金) 21:59:24.97

>>539
> 下のマザーボードだと気合いで8本GPU載せられるんだろか？

どこかに引っかかりそう。ラック筐体次第なのかな

0541デフォルトの名無しさん

2011/04/22(金) 22:17:54.30

マザー自作するツワモノいないかな

まあ、高周波シュミレソフトで１０００万いくから
性能気にしないでいくなら自作できそうだけど・・・

0542デフォルトの名無しさん

2011/04/22(金) 23:17:49.25

>>539
そのマザーのPCIeスロットはx8+x1+x8+x1+x8+x1+x8+x1だから
ホスト・デバイス間の帯域不足に悩みそう。

演算性能さえあればいいプログラムなら何とかなるのかもしれないけど。

というかハイエンドグラボは複数スロット占有が一般的だし、水冷のグラボが必須になりそうｗ

0543デフォルトの名無しさん

2011/04/22(金) 23:27:34.87

コスト度外視で1台で最速を目指すなら
P6T7 WS SuperComputer
http://www.unitycorp.co.jp/asus/motherboard/intel/lga1366/p6t7_ws_super/index.html
と
EVGA GeForce GTX 580 FTW Hydro Copper 2
http://jp.evga.com/products/moreInfo.asp?pn=015-P3-1589-AR
になるのかな。

電源の確保がものすごく大変そうだけどｗ

0544デフォルトの名無しさん

2011/04/22(金) 23:28:08.92

CUDA Visual Profiler使ってるんですがなんどやっても計測後に
"Error in profiler data file'(動かすディレクトリ)/temp_compute_profiler_0_0.csv' at line number 1. No column found"
と出て計測結果がうまく出ません
何が原因なのでしょうか？

0545デフォルトの名無しさん

2011/04/23(土) 00:17:34.23

エラーコード見てもわからんが、俺はプログラム中にgetchar()を書いてある
キーを押さなきゃ終わらないプログラムをプロファイラに渡してはまったことがあるZE

0546デフォルトの名無しさん

2011/04/23(土) 00:24:57.17

>>544
Visual Profiler使ってないからよく判らんが、その作業ディレクトリはレガシーな名前かい?
空白やら何かの所為で巧くアクセスできないってことはないよね?

0547デフォルトの名無しさん

2011/04/23(土) 00:39:41.60

>>545
外部から画像を読み込んでいますがキーは押さなくても終了するプログラムです

>>546
作業ディレクトリと同じディレクトリに入っている計測したい実行ファイルは
プロファイルを開始すると実行されるようなのでおそらくディレクトリにアクセスは出来ています

プロファイラはプログラムを実行してから計測をしているようなのですがこの計測経過が100%になったら先ほどのエラーがでてしまいます
temp_compute_profiler_0_0.csvは自動生成のファイルの用です

0548デフォルトの名無しさん

2011/04/23(土) 00:56:29.31

>547
エラーがなんで出てるかはさっぱりわからんので、自分がこけたときの経験を列挙するぐらいしかできんのだけど、
Visual Profilerのデフォルト設定では30秒以内に処理が終わらない実行ファイルは実行を途中でうち切って
解析結果出力せず、えんえん解析を繰り返すってのはあったぜ。

0549デフォルトの名無しさん

2011/04/23(土) 00:58:45.66

>>548
そこ毎回適当に300に変えてたわ
しかしなんで一回でぜんぶできないかな

0550デフォルトの名無しさん

2011/04/23(土) 01:02:49.32

グラフィックボードがGPGPUの処理以外にも画面表示の処理をしてる可能性が高いのだから、
画面表示による影響を平滑化するために複数回実行時間を計測してるんじゃないかと。

0551デフォルトの名無しさん

2011/04/23(土) 14:34:55.79

コアレスアクセス用に半ワープ単位でアクセスしなきゃいかんのだが
16×16の二次元のスレッド作ったとして

threadIdx.x = 0～15 が半ワープに入るのか
threadIdx.y = 0～15 が半ワープに入るのか、どっちだべ。

0552デフォルトの名無しさん

2011/04/23(土) 14:56:49.14

ふつうにかんがえてx

0553デフォルトの名無しさん

2011/04/23(土) 15:03:38.31

アブノーマルに考えてx

0554デフォルトの名無しさん

2011/04/23(土) 15:42:37.53

真逆な意見がでてしまったわけだが、間をとってxと考えることにするよ。

0555デフォルトの名無しさん

2011/04/23(土) 22:47:46.90

Larrabee はいつ出ますか？

0556デフォルトの名無しさん

2011/04/24(日) 00:29:55.82

Larrabeeはなかった事にされてるような・・・

0557デフォルトの名無しさん

2011/04/24(日) 01:23:47.09

LarrabeeってSandryのGPU部分のコア数を数百って規模に拡張したもののことだよ
AVXがまさにLarrabeeのインターフェースらしい

0558デフォルトの名無しさん

2011/04/24(日) 02:12:08.17

VisualStudio使ってEmuDebugの構成にしたら、
デバイス側関数もブレークポイント仕掛けられるって聞いたのにできねえ。
リンクするライブラリ変えるとかしなきゃいかんの？

0559デフォルトの名無しさん

2011/04/24(日) 02:25:06.20

NsightじゃなくてEmu使う理由は？

0560デフォルトの名無しさん

2011/04/24(日) 02:31:36.91

Nsightってグラフィックボード１枚指しでも使えんの？
Nsightを使わない理由は、NsightインストールしたらCUDA3.3がインストールされて、
でCUDA3.3のcuFFTの動作が怪しかったんで、NsightやめてCUDA3.0にしてる。
NsightでもCUDA3.0使えるのかもしれないけど、使い方調べるのがめんどくさかったので
環境構築に慣れたNsight使わないやり方でやってる。

0561デフォルトの名無しさん

2011/04/24(日) 02:44:49.49

3.3?

0562デフォルトの名無しさん

2011/04/24(日) 03:35:32.04

CUDAとSandy BridgeのGPUは同時に使えますか？

使えるとしたら、Sandy BridgeのGPU用のコーディングには何を使えば良いですか？

0563デフォルトの名無しさん

2011/04/24(日) 03:40:42.99

>>562
SBってGPGPUに対応してるの？
SDKとか出てるって聞いたことないんだけど。

0564デフォルトの名無しさん

2011/04/24(日) 03:53:11.32

Sandy BridgeのGPUはOpenCL1.1に対応してるらしいけど
CUDAに対応してるって話はみたことないから、CUDAとは同時に使えないと思われる。
OpenCLスレで聞いたほうがいいかも。

0565デフォルトの名無しさん

2011/04/24(日) 03:57:39.89

>>564
>CUDAに対応してるって話はみたことないから、CUDAとは同時に使えないと思われる。
対応していない=同時に使えないという考えは改めた方位が良い。

0566デフォルトの名無しさん

2011/04/24(日) 06:20:12.37

グラボを刺した状態でSandyのGPUコアが有効になるのかって話だよね
グラフィックチップとしては完全に機能停止されるだろうけど
演算装置として稼動するんだろうか

0567558

2011/04/24(日) 11:04:44.80

EmuDebugはリンクするライブラリをcudart.lib→cudaartemu.libにかえたらできたや。

0568デフォルトの名無しさん

2011/04/24(日) 12:25:30.29

自身ぎゃああああああああああああああああああ

0569デフォルトの名無しさん

2011/04/24(日) 16:01:57.36

VS2008でFirst chance Exceptionがでるが、カーネルコードの何が原因なのかさっぱりわからねえ…
Nsight使うとこういうのの原因すぐに特定できるようになんの？

0570デフォルトの名無しさん

2011/04/24(日) 23:11:39.84

CUDA 4.0 RC2 をインストールしてみようと思っています。
64bit用のバイナリを作るには、CUDAも64-bit版をインストールする必要があるでしょうか？
それとも、CUDAの32-bit版でも nvcc のオプションの切り替えで32bit用と64bit用の両方のバイナリを生成することが出来るでしょうか？

出来れば、WindowsXP(32bit) の環境で64bit用バイナリも作りたいと思っています。

0571デフォルトの名無しさん

2011/04/24(日) 23:26:06.00

>>570
＞64bit用のバイナリを作るには、CUDAも64-bit版をインストールする必要があるでしょうか
たしかそうだったはず

＞CUDAの32-bit版でも nvcc のオプションの切り替えで32bit用と64bit用の両方のバイナリを生成することが出来るでしょうか？
生成したい処理系のSDKをインストールしないといけなかったはず
切り替えはできないと思う
2つ（３２と６４）いれればOKなのかは不明

0572デフォルトの名無しさん

2011/04/24(日) 23:42:26.64

>>571
レスありがとうございます。
ややこしそうなので、32bit 環境、64bit 環境それぞれを用意し、それぞれ用のバイナリを作ろうと思います。

0573デフォルトの名無しさん

2011/04/25(月) 10:06:00.86

64bitOS環境に64bit Toolkitを入れれば32bit&64bitの両方のバイナリを生成可能。

0574デフォルトの名無しさん

2011/04/27(水) 08:28:47.19

GT430を使っていますが、CUDAでコンパイルすると次のようなエラーが出て
コンパイルできません。
因みにC++は初心者ですがよろしくお願いします。juria_gpu.cu

http://codepad.org/UtZeyAkV

julia_gpu.cu(44): error: calling a host function("cuComplex::cuComplex") from a
__device__/__global__ function("julia") is not allowed

0575デフォルトの名無しさん

2011/04/27(水) 08:35:16.69

__device__/__global_　この辺良く見直せ！
基本がわかってないと思うから基本からよく勉強だな

0576デフォルトの名無しさん

2011/04/27(水) 08:43:59.77

エラーの意味がよくわかりません。__device__/__global__なんてどこにも
書いて無いし、サンプルコードなので動くはずなのですが、なぜか動きません。
http://codepad.org/oDh0YFM5
cuComplexをjulia関数から呼ぶのは許されていないという意味なのでしょうか？

0577デフォルトの名無しさん

2011/04/27(水) 08:50:02.31

globalが無いのかよ？
全部晒せよ

0578デフォルトの名無しさん

2011/04/27(水) 09:03:00.78

http://ideone.com/s9anZ

ここです。よろしくお願いします。

0579デフォルトの名無しさん

2011/04/27(水) 09:07:22.66

CUDA_by_exampleのだな
まずそういう情報を先に出せよ

0580デフォルトの名無しさん

2011/04/27(水) 09:11:49.07

すみません。書くのを忘れていました。
知っている方とお見受けしますので安心です。

0581デフォルトの名無しさん

2011/04/27(水) 09:22:12.28

特に問題なくコンパイルできたぞ
nvccのオプションは？

0582デフォルトの名無しさん

2011/04/27(水) 09:27:35.63

nvcc -O julia_global.cu -lcutil32 -cutil32D

0583デフォルトの名無しさん

2011/04/27(水) 09:31:28.05

インストールの仕方が悪いのでしょうか？

0584デフォルトの名無しさん

2011/04/27(水) 09:33:25.86

windowsはよく知らんがLinuxではnvcc -lglut julia_cpu.cuで通るんだが
上のソース名は間違いだよな？それでやってどのエラーメッセージが出るんだ？

julia_gpu.cu(44): error: calling a host function("cuComplex::cuComplex") from a
__device__/__global__ function("julia") is not allowed
がでるのか？

0585デフォルトの名無しさん

2011/04/27(水) 09:38:07.66

julia_gpu.cu

です。間違いです。julia_cup.cuの場合はこちらでも通ります。
ただGPUを使おうとするとコンパイル時にエラーが出ます。

cuComplex c(-0.8, 0.156);
cuComplex a(jx, jy);
と
a = a * a + c;

の部分でエラーが出ます。原因がわかりません。

0586デフォルトの名無しさん

2011/04/27(水) 09:40:32.60

正確なコンパイルオプションとエラーメッセージを再掲よろ

0587デフォルトの名無しさん

2011/04/27(水) 09:51:50.54

http://ideone.com/mZviD

ここです。

0588デフォルトの名無しさん

2011/04/27(水) 09:57:53.82

C:\Users\admin\CUDA\chapter04>nvcc -O julia_gpu.cu
これじゃ -lcutil32とかないじゃん　なけりゃダメだろ

0589デフォルトの名無しさん

2011/04/27(水) 10:01:49.76

リンクエラーが出るかもしれないですが、今はコンパイルエラーなので
そちらでも同じようなエラーが出るか確かめてほしいです。
もしエラーが出なかったら私の環境がおかしいのかも知れません。
Linuxでの開発環境とWindowsでは少し違うと思うのでWindowsでも
確認してもらいたいです。

0590デフォルトの名無しさん

2011/04/27(水) 10:05:27.84

ウインドウズアプリを作るのでリナックスでうまく言っても意味が
無いのですが・・・

0591デフォルトの名無しさん

2011/04/27(水) 10:13:19.95

>>589
あ、そういうこと
じゃあソースが壊れてるんでなければそっちの環境がおかしそうだね
環境の再構築したほうがよさげ

0592デフォルトの名無しさん

2011/04/27(水) 10:33:39.34

因みにlinux環境で
nvcc -lglut julia_gpu.cu　→　OK
nvcc julia_gpu.cu　→　コンパイルOK、リンクNG

0593デフォルトの名無しさん

2011/04/27(水) 11:22:50.87

C:\Users\admin\CUDA\cuda_by_example\chapter04>nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2011 NVIDIA Corporation
Built on Thu_Mar_24_14:53:10_PDT_2011
Cuda compilation tools, release 4.0, V0.2.1221

こちらの開発環境ですが、nvccのバージョンを教えてください。
環境を再インストールしましたがやっぱりだめです。
構文エラーとして解釈されます。

0594デフォルトの名無しさん

2011/04/27(水) 11:28:41.58

3.2
4.0RC2？はまだ早いんでね？

0595デフォルトの名無しさん

2011/04/27(水) 11:40:43.34

そうですね。自分の持っているやつがGT430なのでバージョン1.0
（最新は1.3）に対応しているみたいなので古いほうをインストール
してみます。

0596デフォルトの名無しさん

2011/04/27(水) 11:45:26.50

出来ました！
ありがとうございました。

0597デフォルトの名無しさん

2011/04/27(水) 13:22:17.13

>>596
何をどうしたら解決したか書いてほしいな

0598デフォルトの名無しさん

2011/04/27(水) 13:30:13.83

流れで分かりそうなもんだけど
4.0RC→3.2で解決したようだ

0599デフォルトの名無しさん

2011/04/27(水) 13:44:28.80

4.0は大きく拡張されてるみたいだし、RCがとれても移行は様子見したほうがよさそうだね
2台とかあって3.2と4.0の環境があったりするなら切り分けしやすいから良いかもしれないけど。

0600デフォルトの名無しさん

2011/04/27(水) 15:49:38.35

こんにちは。
16*32の行列に長さ16の配列をXORの積をしたいのですが可能でしょうか？
イメージ的には32個のブロックに16個のスレッドという感じで考えています。
行列計算なので実装はそんなに難しくないと思うのですが、具体例があまり
見当たらず苦心しています。はじめてからまだ三日なのですが、解る方が
いらしたらソースを見せてほしいです。ヒントだけでも良いです。
よろしくお願いします。

0601デフォルトの名無しさん

2011/04/27(水) 16:03:05.24

>>16*32の行列に長さ16の配列をXORの積をしたいのですが
これどういう意味？もう少し計算を具体的に書いてくれ

0602デフォルトの名無しさん

2011/04/27(水) 16:34:04.46

4*8の例で考えます。
[abcd]*[{efgh}{ijkl}{mnop}[qrst}{uvwx}{yz12}{3456}{7890}]=

a^e&b^f&c^g&d^h=e
a^i&b^j&c^k&d^l=i
...
このように計算したいです。
並列計算なら全体をばらして8個のブロックに4個のスレッドを当てれば
4サイクルで実行できると思うのですが何か間違えていますでしょうか？
よろしくお願いします。

0603デフォルトの名無しさん

2011/04/27(水) 16:40:44.57

for(j=0;j<16;j++){
o=FG[a[j]]^GF[u1.m[j]];
p=FG[b[j]]^GF[u.m[j]];
for(i=0;i<16;i++){
d1[j]^=t[o][h1[p][i]];
d2[j]^=t[o][h2[p][i]];
}
buf[j]^=d1[j];
buf[j+16]^=d2[j];
}
この処理を並列化したいです。

0604デフォルトの名無しさん

2011/04/27(水) 17:08:33.14

>>603
ideoneかcodepadにC版の関数をアップロードしてくれ。
そうしてくれたらcudaでどこをどう並列化するか考えてみるよ。

0605デフォルトの名無しさん

2011/04/27(水) 17:11:57.15

並列化したいのはループ使っている部分だけなのでそこだけです。
http://codepad.org/15hfT9HS

0606デフォルトの名無しさん

2011/04/27(水) 18:53:48.98

公開したのに反応が無い。
見ても解らないだとか汚いと罵るだけ。
どうせやる気無いんだろ？

0607デフォルトの名無しさん

2011/04/27(水) 18:56:58.77

>>606
うん。
忙しいからね(´・∀・｀ )

0608デフォルトの名無しさん

2011/04/27(水) 19:19:58.01

>>603
またお前か。
いい加減自分の手を動かしたらどうだ。
時間がないなら対価を払って時間を買え。

0609デフォルトの名無しさん

2011/04/27(水) 19:50:55.96

だったらソース見せろとかいうな馬鹿

0610デフォルトの名無しさん

2011/04/27(水) 19:53:32.57

>>606
何怒ってんだ？
その程度のコードなら普通にできるだろ
バカなの？

0611デフォルトの名無しさん

2011/04/27(水) 19:57:29.62

見る気も無いくせに見せろと言うほうが馬鹿

0612デフォルトの名無しさん

2011/04/27(水) 20:06:58.92

見せろって言ったのは俺じゃないし、ソース見る前からお前だって分かった。
自分でやる気が無いっていう態度が滲み出てるんだよ。

0613デフォルトの名無しさん

2011/04/27(水) 20:14:43.33

やる気があって調べてるんだよ。
ここならもっと詳しい人が居ると思うから聞いてみただけ。
何で最初からやる気が無いなんて決め付けるの？

0614デフォルトの名無しさん

2011/04/27(水) 20:18:05.38

まぁ質問に具体性がなく丸投げだからな
もう少し考えた過程が見えないと回答もしづらい罠

0615デフォルトの名無しさん

2011/04/27(水) 20:19:27.54

最初からじゃなくて俺が知っているのはここ8ヶ月くらいだが
分からない、分からない、一個教えてもらうとすぐ次が分からないで
自分で調べる気なんてなさそうに見えるんだが。

0616デフォルトの名無しさん

2011/04/27(水) 21:13:16.83

>>613
Intel Parallel Studio 使って並列化。
↓
逆アセンブルして、コード解析してCUDA化。
↓
(゜д゜）ｳﾏｧ

0617デフォルトの名無しさん

2011/04/27(水) 21:18:58.59

VC++ 2010用のtemplateプロジェクト、どこかにないでしょうか？
CUDA 3.2 SDKにあるVC++ 2008用のtemplateプロジェクトを、VC++ 2010用に変換しようとしましたがうまくいきません。。。

0618604

2011/04/27(水) 21:32:18.42

>>605
＞並列化したいのはループ使っている部分だけなのでそこだけです。
＞http://codepad.org/15hfT9HS
悪い悪い、デートしてて遅くなった。
で、このコードのどこをcuda化したいんだ?
未だ帰り道だから、んな長いの見てられないんだ。

0619デフォルトの名無しさん

2011/04/27(水) 22:18:04.42

16人17脚はデートって言うの？

0620デフォルトの名無しさん

2011/04/28(木) 00:21:09.33

>>617
Windows版のnvccはVisual Studio 2005か2008のコンパイラが前提になっているらしいから
VC++ 2010用のテンプレートだけではうまくいかないと思う。

それらのコンパイラを用意するとなったら、VS2008で作ったほうが楽な気もする・・・

0621デフォルトの名無しさん

2011/04/28(木) 01:56:26.69

>603
きたないコードだなあ・・・。

0622デフォルトの名無しさん

2011/04/28(木) 02:06:27.26

>>603
俺ならこうだな。

for (i = 0 ; i < 16; i++) {
　　for (j = 0; j < 16; j++) {
　　}
}

主なコーディング作法が3つくらいあるから、そのどれかにしろ。

0623デフォルトの名無しさん

2011/04/28(木) 02:08:04.55

>>622
スペースきれい！
ふしぎ！

0624デフォルトの名無しさん

2011/04/28(木) 02:10:39.48

>603
あまりにもイミフなんだけど、とりあえず並列化したいなら

関数呼び出し側
　func<<<<16, 16>>>(d1, d2, t, h1, h2, buf);

処理内容
__global__ void func(hoge* d1, hogehoge* d2, hogehogehoge* t, hogehogehogehoge* h1, hogehogehogehogehoge* h2, hogehogehogehogehoge* buf){
　　int o = FG[a[blockIdx.x]^GF[u1.m[blockIdx.x.]];
　　int p = FG[b[blockIdx.x]^GR[u.m[blockIdx.x]];
　　d1[blockIdx.x] ^= t[o][h1[p][threadIdx.x]];
　　d2[blockIdx.x] ^= t[o][h2[p][threadIdx.x]];
　　buf[blockIdx.x] ^= d1[blockIdx.x];
　　buf[blockIdx.x + 16] ^= d2[blockIdx.x];
}

酔っ払いながらコード書いたから間違いある気がするけど、
CUDAの根本的な文法も理解しようとせず使おうとしてるから、バレないし問題ないよね。

0625デフォルトの名無しさん

2011/04/28(木) 20:52:23.73

>>617
VC2010はCUDA 4.0 RC2から対応で、SDKにテンプレートが付属してる。
うちの環境だとMSBuild関連が正しくインストールされなかったのでひと手間必要だったけど。

0626デフォルトの名無しさん

2011/04/29(金) 23:49:38.06

CUDAのコンパイラってレジスタ不足でもコンパイル通っちゃうのか？
VSで開発してるんだが、どうもレジスタが足りないとFirst chance exceptionエラーが出る気がしてきた。

0627デフォルトの名無しさん

2011/04/29(金) 23:58:25.76

>48
祈るってアプローチが間違いとは言わないけど、
同じ計算を2並列で行うとか、間違いなく構成を変えられる方法があれば
演算器を入れ替えて2回行うとかって手もあるよ。
2倍時間がかかってもまだCPUには勝てるでしょ。

0628デフォルトの名無しさん

2011/04/30(土) 00:29:11.48

PowerDirectorなどCUDAを使ってエンコードを高速化出来るアプリがありますは、SLI環境ではさらに高速化出来るのでしょうか？
ググると出来ないというソースが目立ちますが...
X58マザー使っています。

0629デフォルトの名無しさん

2011/04/30(土) 00:35:04.10

レジスタ不足ってローカルメモリ使われるんじゃないの?

0630デフォルトの名無しさん

2011/04/30(土) 01:12:10.48

>>628
cuda4はどうか知らないが、それ以前のcudaではSLIだからより速くできると言うことはない。
勿論GPU2枚挿しに対応したアプリなら、2枚刺した方が速くはなるがSLIには関係ないようだ。

0631デフォルトの名無しさん

2011/04/30(土) 03:38:04.89

>629

引数はsharedメモリに確保されるってどっかで見たことあるけど…
sharedメモリつかってないプログラムだしなあ。
使ってるのはGeForce9800 - G92コアなんだけど、
コアに上限の24ワープ割り当てるVSがエラー吐いて動かなくなるんだけど、
控え見えに16ワープ放りこむと問題なく動く。

cuFFTとかの標準ライブラリでも動作が怪しかったりするのは
レジスタ周りの取り扱いのせいなんじゃって気がしてきてるのですよ。

0632デフォルトの名無しさん

2011/04/30(土) 08:15:07.06

引数はCC2.0からはコンスタントメモリで
それ以前はシェアードだったかな

関数内変数はレジスタで不足したら勝手にグローバルにいくんでしょ
ワープ数が上限ぴったりならエラーは吐かないと思うんだけど

0633デフォルトの名無しさん

2011/04/30(土) 08:23:40.36

オーバーしても、普通は遅くなるだけだと思うんだけどなぁ。

0634デフォルトの名無しさん

2011/04/30(土) 15:46:08.21

>>631
そんな曖昧な知識で推測する前にPDFちゃんと読むんだ

0635デフォルトの名無しさん

2011/04/30(土) 16:50:47.84

>634
了解したぜ

0636デフォルトの名無しさん

2011/04/30(土) 23:22:46.13

>>630
ありがとう。
SLI環境はもう少し様子見します。。

0637デフォルトの名無しさん

2011/05/02(月) 12:42:12.87

最近のグラボはATX電源から電源引っ張ってくんだな。
Fermiに変えたが早すぎワロタ。

0638デフォルトの名無しさん

2011/05/02(月) 13:14:07.57

それ以前からfermiって劇的な変化じゃね
キャッシュはでかい

0639デフォルトの名無しさん

2011/05/08(日) 01:40:31.32

FlashPlayerもCUDAつかえるの？

0640デフォルトの名無しさん

2011/05/08(日) 05:13:16.28

Tesla S2070ってなんで抹消されてしまったのでしょうか。
nVIDIAのページにもELSAのページにもなくなってしまったのですが。

0641CUDA初心者

2011/05/09(月) 11:25:03.07

XPでFFTをかけるソースがあったのでvisualstudio2008で実行してみたところ
FFT.exe の 0x7c812afb で初回の例外が発生しました: Microsoft C++ の例外: cudaError_enum (メモリの場所 0x0012ae3c)。
というエラーが出てしまい困っています。ホストからデバイスへのメモリのコピー等
の簡単なプログラムは動きます。ちなみにGeforce210です。

0642デフォルトの名無しさん

2011/05/09(月) 21:02:35.89

debugを人に頼むような人間は一つ解決しても次に同じような所で引っかかるからきりがないわな。

0643デフォルトの名無しさん

2011/05/10(火) 09:55:41.04

>>641は何も頼んでない。日記を書いてるだけじゃないか？

0644デフォルトの名無しさん

2011/05/10(火) 22:29:43.44

>641
多分それ、cuFFTのバグ。そのエラーコードはメモリアクセス例外のときに出る。
俺の場合9800GTから550Tiに買い換えたらエラーが消えた。

cuFFTがデバイスメモリ使い過ぎて、デバイスが積んでるメモリ量によっては
エラーを吐くとかが原因の気がしてるんだが、本当の理由はわからん。
NVidia側のバグフィックスを待つぐらいしか現状で対策はないと思う。

0645デフォルトの名無しさん

2011/05/11(水) 00:23:29.41

cuFFTのバグなら、サイズが2の冪かどうかでも変わるね。
cuFFTの内部で結構デバイスメモリを使うようだから、ボードの半分以下のFFTしかかけられない。

0646デフォルトの名無しさん

2011/05/11(水) 19:42:26.40

>>642
FFTなんて本来ライブラリの側で対処すべき次元のもので、
ユーザー側がデバッグに煩わされるべきものではないがな。

0647デフォルトの名無しさん

2011/05/11(水) 19:57:25.35

>>646
もしバグだとおもうならフォーラムで問い合わせたり報告したりしたほうが良いんじゃないか？
バグなら修正してもらえる可能性があるし、そうじゃないとしたら自分の間違いだとわかる

0648デフォルトの名無しさん

2011/05/11(水) 23:13:45.45

ubuntu 10.04、CUDA4.0でSDKをコンパイルした後に
deviceQueryを実行しようとすると
Error: API mismatch: the NVIDIA kernel module has version 270.29,
but this NVIDIA driver component has version 270.40. Please make
sure that the kernel module and all NVIDIA driver components
have the same version.
と出てしまい実行出来ません。どうしたら良いでしょうか？

0649デフォルトの名無しさん

2011/05/11(水) 23:20:38.40

>>648
http://www.alc.co.jp/

0650デフォルトの名無しさん

2011/05/11(水) 23:33:32.11

nvidia-current カーネルを削除してSDKを再コンパイルで行けました
ありがとうございます

0651デフォルトの名無しさん

2011/05/11(水) 23:35:55.99

nvidia-current カーネルを削除してSDKを再コンパイルで行けました
ありがとうございます

0652デフォルトの名無しさん

2011/05/12(木) 00:05:11.00

>>647
フォーラムには既にあったと思う。

0653CUDA初心者

2011/05/12(木) 15:13:05.97

>>644
ありがとうございます。
550Ti持ってるのでそっちでやってみようと思います。

0654デフォルトの名無しさん

2011/05/16(月) 10:53:35.28

Developer Drivers for Linuxをインストールすると、
Xwindowの解像度が640*480固定になるのはどうしてなのかしら？

0655デフォルトの名無しさん

2011/05/16(月) 10:57:58.45

おまえがばかだからじゃないか？

0656デフォルトの名無しさん

2011/05/16(月) 11:00:18.75

xの設定書き換えちゃってるんじゃないの?

0657デフォルトの名無しさん

2011/05/18(水) 12:36:20.91

Ubuntu 11.04 CUDA 4.0でドライバをインストールしようとすると、
The Nouveau kernel driver is currently in use by your system.
というエラーが出て、先に進めません。
どうしたらNouveau kernel driverをとりのぞけますか?

0658デフォルトの名無しさん

2011/05/18(水) 12:42:47.54

これ読んでみ
https://help.ubuntu.com/community/BinaryDriverHowto/Nvidia

0659デフォルトの名無しさん

2011/05/18(水) 13:18:46.93

>>658
早速の返信ありがとうございます。
sudo apt-get --purge remove xserver-xorg-video-nouveau
と打って、再起動もしてみましたが、やはり同じメッセージが帰ってきます。
ほかに、何か手立てはないものでしょうか?

0660デフォルトの名無しさん

2011/05/18(水) 21:39:19.83

>>657
俺がLive CDで試したときは
kernelの引数にnouveau.modeset=0として起動後に
modprobe -r nouveauした。

そもそもnouveauがモジュールではなくて組み込みになってるなんてことはないよね？

0661デフォルトの名無しさん

2011/05/19(木) 04:06:30.55

インテルコンパイラには対応していないの?

0662デフォルトの名無しさん

2011/05/19(木) 04:12:46.19

Coalesced Accessって簡単にいうとどゆうこと

0663デフォルトの名無しさん

2011/05/19(木) 08:14:50.08

>>662
１６人１７脚で走ること
ただし、一番端っこの人の番号に制限あり

0664デフォルトの名無しさん

2011/05/19(木) 08:28:38.02

>>663
なんだかすごく遅くなりそうな例えだなｗ

0665デフォルトの名無しさん

2011/05/19(木) 09:19:43.15

論文書くときにさ、遠くの図書館に借りに行くわけよ
16冊まで借りられるから自分の欲しいタイトル1冊と隣に並んでるの15冊借りて帰って来るの
そん中にフラットメイト15人が欲しい本が入ってたらラッキー
何人か足りなかったらまたまた誰か派遣して16冊借りてこなくちゃなんない
一回で16人全員満足したり16冊全部が有効に使われたらうれしいな

俺ら棚のブックエンドの右からまとめてとってく癖があるから
司書さんはいいかんじに本並べといてね

家にあればこっちのもんだから欲しい本被っててもおkおk

てのはどうだろう

0666デフォルトの名無しさん

2011/05/19(木) 09:33:17.23

>>663はCoalesingの説明になってないぞ。

食堂のカウンターに並んでいる先頭の１６人が皆「カレーライスください」という。
食堂のおばちゃんが「皆カレーかい？鍋ごとあげるから皆で分けてね。」

もちろん正確ではないが速くなりそうな例ではある。

0667デフォルトの名無しさん

2011/05/19(木) 15:22:10.76

初歩的な質問で恐縮なのですが、
皆さんCUDA版プログラムとCPU版プログラムの速度比較は
どのようにされてますでしょうか？

CUDA3.0以降はエミュレーションモードがなくなったようなので、
別にCPU版プログラムも作って比較するのがよいでしょうか？

0668 忍法帖【Lv=25,xxxPT】

2011/05/19(木) 16:17:52.26

エミュレーションと比較して何の意味があるの？
NVIDIAの回し者でない限り、iccでカリカリにチューンしたプログラムと比較するべし。

0669 忍法帖【Lv=26,xxxPT】

2011/05/19(木) 18:19:14.33

CPU版と比較しても仕方が無い。
iccでチューニングした上で、更にその先の為にcudaを使うのだから。
まして、エミュレーションだなんてなんの悪夢だか。

0670デフォルトの名無しさん

2011/05/19(木) 21:39:40.22

>662
メモリ読み書きするなら32byte, 64byte, 128byte単位にしてください。
これだけ。

0671デフォルトの名無しさん

2011/05/20(金) 14:19:17.96

SDK,toolkitを再インストールしたところ
サンプルを実行すると
cudart32_31_9.dllが見つからなかったため、このアプリケーションを開始できませんでした
。cudartを間違えて消してしまったと思われるのですが、どうやったら解消されるのでしょうか？
ぐぐってみたのですが、わかりませんでした。

0672デフォルトの名無しさん

2011/05/20(金) 14:31:37.09

PCを再起動させてみたらどう

0673デフォルトの名無しさん

2011/05/20(金) 15:41:59.99

最悪でも再インストールで済むだろ。

0674デフォルトの名無しさん

2011/05/20(金) 17:07:36.68

再インストールしてみたのですが変わりませんでした泣

0675デフォルトの名無しさん

2011/05/20(金) 17:37:59.88

>>674
よかったな、cudartを間違って消してしまったわけじゃないことが判ったじゃないか。

0676デフォルトの名無しさん

2011/05/27(金) 03:06:11.39

CUDA 4.0

0677デフォルトの名無しさん

2011/05/27(金) 11:09:49.93

__CUDACC__ってもう定義されていないの?

0678デフォルトの名無しさん

2011/05/28(土) 08:21:44.26

みんな業務でCUDAつかってんの？

0679デフォルトの名無しさん

2011/05/28(土) 08:56:58.21

一部使ってますが。

0680デフォルトの名無しさん

2011/05/28(土) 21:17:04.74

CUDA4.0、GTX480M + Notebook Developer Drivers for WinVista and Win7 (270.61)では
device query含め、CUDA Cのサンプルが全部動かない。
OpenCLとDirectComputeは動く。
なんでだろう。

0681 忍法帖【Lv=1,xxxP】

2011/05/29(日) 11:17:41.19

坊やだからさ

0682デフォルトの名無しさん

2011/05/29(日) 11:48:30.13

VS2010とCUDA4.0の環境でrulesファイルを使えた方おりませんか？
$(CUDA_PATH)\extras\visual_studio_integration\rules
にあるファイルをコピーしたのですが、これを設定してプロジェクトを読み込みなおすと
「要素 <UsingTask> 内の属性 "AssemblyFile" の値 "$(CudaBuildTasksPath)" を評価した結果 "" は無効です」
といったエラーが出てプロジェクトが読み込めないようです…。

0683デフォルトの名無しさん

2011/05/29(日) 21:12:48.05

完全な逐次処理（どう頑張っても並列化できない）のを、
CUDAで高速化してちょ、といわれたんだけど殴っていい？

0684デフォルトの名無しさん

2011/05/29(日) 21:18:05.50

>>683
いや無理にでもやれよ
それが仕事ってもんだ

0685デフォルトの名無しさん

2011/05/29(日) 21:27:29.77

ゼロコピーってキャッシュされないでしょ。

んで、ゼロコピーを使うと遅くなるケースが出てきたんで、
仕方なく使わないことにしたんだけど、
やっぱりcudaMallocやcudaMemcpyの時間がもったいないんで
どうにかしたいんだけど、なんか知恵ある？

0686デフォルトの名無しさん

2011/05/29(日) 21:53:26.07

>>683
どう頑張っても並列化できないを証明すれば良いじゃん．
なかなか難しいよ．

0687デフォルトの名無しさん

2011/05/29(日) 22:08:28.81

>>685
ゼロコピーって何よ。
何をしたいのか判らんけど、cudaMemset()も使えない内容なの?

0688682

2011/05/29(日) 22:53:30.43

解決しました。ちょうど公式フォーラムで同じ問題に遭遇してた人が居たようです。
先ほどあった投稿で解決することができました
http://forums.nvidia.com/index.php?showtopic=201433

0689デフォルトの名無しさん

2011/05/29(日) 23:36:05.38

もふ。
マジレスするとゼロコピーとは、cudaHostGetDevicePointer()を使うやつのことだす。
cudaMallocHost()でホスト側のメモリを確保しとかないとダメだけど。

0690デフォルトの名無しさん

2011/05/30(月) 01:01:06.08

ゼロコピーと言うのは知らんかった。
処で、勿体無いと言うけどcudaMalloc()って時間掛かる?

0691デフォルトの名無しさん

2011/06/01(水) 01:01:48.66

演算速度について質問です。
プログラミングガイドによるとfloatにおけるmulとmadの速度は同一だとあるのですが、
for(i=0;i<N;i++)
a = b*c;

と

for(i=0;i<N;i++)
a = d*(b+c);

では明らかに前者のほうが短い時間で処理を行っています。
dをコンスタンとメモリや定数にしても同じでした。
いったいどういうことなんでしょうか？
助けてください。

0692デフォルトの名無しさん

2011/06/01(水) 01:07:21.88

>>691
どこのプログラミングガイドだよ教えろよ教えてくださいお願いします

0693デフォルトの名無しさん

2011/06/01(水) 01:12:04.19

madって(A*B)+Cじゃないの？

0694デフォルトの名無しさん

2011/06/01(水) 01:14:43.17

すみませんまったく環境とか書いてませんでした。

GPU : GeForce GTX 285M
CUDA Toolkit : 2.2

です。

>>692
NVIDIA CUDA Programming Guide 2.2です。
第5章Instruction Performance の 5.1.1.1 Arithmetic Instructions より

Throughput of single-precision floating-point add, multiply, and multiply-add is 8
operations per clock cycle.

だそうです。

0695デフォルトの名無しさん

2011/06/01(水) 01:27:04.68

>>693
ごめんなさい書き間違えました。

for(i=0;i<N;i++)
a = d*b+c;

です。

0696 忍法帖【Lv=2,xxxPT】

2011/06/01(水) 02:09:02.07

まぁ、ptxを貼ってみろ。

0697デフォルトの名無しさん

2011/06/02(木) 01:22:02.76

積和演算なら
a = b*c+d*e
とかじゃないのん？畳込みとか行列積とかで頻出する計算です。

0698デフォルトの名無しさん

2011/06/02(木) 01:30:56.84

DSPの命令見てみたら、積和演算は
a = a + (b*c)

だったわ。
a+= (b*c)

でもええかもしれんが。

0699デフォルトの名無しさん

2011/06/02(木) 03:02:35.87

>>680
270.81でないとCUDAランタイムAPIが変な動作をするみたい
つまり現時点ではPC用のドライバしかない

0700デフォルトの名無しさん

2011/06/02(木) 11:07:00.65

270.61に
「Unified Virtual Addressing (UVA) やGPUDirect? v2.0を特徴とするCUDA 4.0を使ったアプリケーション用サポートの追加」
と書いておきながら動かないなんてふざけた話だわ

0701デフォルトの名無しさん

2011/06/02(木) 22:17:32.06

CUDA勉強はじめました。
でも世の中に出てる日本語のCUDAの本って4冊ともFermi以前のアーキテクチャでの説明だからsharedメモリが16kbyteだったり、1ブロックあたりのスレッド数が512だったりするんで困ります。
なんとかして。

0702691

2011/06/02(木) 22:33:23.38

コンスタントメモリや定数の値をレジスタに読み込む時間をまったく無視していました。
たぶんそのせいで遅くなっているんだと思います。
ご迷惑かけてすみません。

0703デフォルトの名無しさん

2011/06/02(木) 22:59:17.85

>>700
ちょうど新しいドライバが出たみたいです

0704デフォルトの名無しさん

2011/06/02(木) 23:33:53.87

>>701
英語も勉強汁

0705デフォルトの名無しさん

2011/06/02(木) 23:44:11.15

oh! i can't read english. :-P

0706デフォルトの名無しさん

2011/06/03(金) 00:27:22.61

>>701
Fermi用の正しい値が分かる人なら何も困らないような気が・・・・。

0707デフォルトの名無しさん

2011/06/03(金) 22:26:32.06

Compute Visual Profilerを使いこなしてる人っている？
あれ、結局、どう活用していかわからん。

0708デフォルトの名無しさん

2011/06/04(土) 10:50:31.43

>>701
Fermiの方が簡単になってるからいんじゃね

>>707
ローカルメモリ使われてたりバンクコンフリトあるかをチェックすんじゃね

0709デフォルトの名無しさん

2011/06/04(土) 11:02:21.92

北川景子かわゆす

0710デフォルトの名無しさん

2011/06/04(土) 11:18:35.39

そうか？

0711デフォルトの名無しさん

2011/06/04(土) 20:06:16.65

あれ？4.0ってcutil64D.libなくなっちゃった？

0712デフォルトの名無しさん

2011/06/04(土) 23:19:09.39

本当だなくなってる

0713デフォルトの名無しさん

2011/06/05(日) 00:30:29.73

0714デフォルトの名無しさん

2011/06/05(日) 00:56:21.39

自前でビルドしなさい

0715デフォルトの名無しさん

2011/06/05(日) 04:04:47.93

今Cを勉強中ですが、CUDAと並行して勉強できますか？

0716デフォルトの名無しさん

2011/06/05(日) 10:23:06.12

>>715
少なくとも小中で算数（数学）や社会、英語などを並行して勉強してきたはず

0717デフォルトの名無しさん

2011/06/05(日) 10:42:05.41

>>715
CUDAのプログラム記法以外に知るべき事が多い。と言うかむしろそちらが大半じゃないか。並行してできる、がんばれ

0718デフォルトの名無しさん

2011/06/05(日) 18:19:38.33

どっちもものにならないと思う。どっちかだけやればものになるものでもないけど。

0719デフォルトの名無しさん

2011/06/05(日) 18:43:41.04

4.0でコンパイルが通らないの結構多いね
CUDA BY EXAMPLEのサンプルをいくつか試したがエラーをはく。
まだ3.2使うわ

0720デフォルトの名無しさん

2011/06/05(日) 19:14:22.50

4.0 から cutil32.lib とかって自分でビルドするようになったのね。
インストール後に検索しても見つからないから、変だな～と思った。
Direct Compute の Example が動かないのもよくわからん。

0721デフォルトの名無しさん

2011/06/06(月) 09:41:55.58

ある程度C(というかプログラミング)しってなきゃ百パー無理だろ

0722デフォルトの名無しさん

2011/06/06(月) 13:37:59.32

%を略すな、池沼

0723デフォルトの名無しさん

2011/06/06(月) 13:54:50.09

。

0724デフォルトの名無しさん

2011/06/06(月) 21:16:41.99

>>721
それを知らなかったので、PATHの設定やmake実行さえ一苦労でした。
人によっては、ディレクトリの概念が難しい場合もあるかもしれません。

0725デフォルトの名無しさん

2011/06/06(月) 21:26:48.74

cudaはただでさえ難しいぞ
初心者に手にを得る代物じゃね～べよ

0726デフォルトの名無しさん

2011/06/06(月) 21:32:48.38

資料も英語しかないしかなりきつかったわ

0727デフォルトの名無しさん

2011/06/08(水) 14:58:17.39

OpenCLとどっちが楽ですか？

0728デフォルトの名無しさん

2011/06/08(水) 16:43:07.02

Cudaの方が楽
OpenCLはOpenGLと同様、自助努力が基本になる

0729デフォルトの名無しさん

2011/06/09(木) 05:38:12.86

OpenCLとどっちが速いですか？

0730デフォルトの名無しさん

2011/06/09(木) 06:45:26.86

自助努力って具体的に何？

0731デフォルトの名無しさん

2011/06/09(木) 10:03:14.93

>>423
亀だけど、cufftPlanは対象とするデータのサイズと同じサイズをバッファとして確保するみたい。だから、二倍以上メモリが空いてないとこける。

0732デフォルトの名無しさん

2011/06/09(木) 17:23:54.07

>>730
そういうのを自分で考えたり調べたりする姿勢や行動

0733デフォルトの名無しさん

2011/06/09(木) 18:41:25.08

OpenGL de プログラミングというサイトや
CUDAプログラミング入門とかフリーであるもの
見たほうがそこらの書籍よりかなり役立つよ

OpenCLは少し大変だけどCPUならdouble型
オプションあるからいいんだよね
ＣＵＤＡにもあるのかな?

0734デフォルトの名無しさん

2011/06/09(木) 18:58:20.29

あった、ごめん

0735デフォルトの名無しさん

2011/06/11(土) 18:37:21.68

visual studio pro, radeon 6000 台　で ati stream ないし　open cl
使っての　並列FPU高速化ってどのくらい大変ですか？
一般のプログラムと英語ドキュメント読解に問題はないです

0736デフォルトの名無しさん

2011/06/11(土) 18:40:16.57

スレタイ読む能力はなかったようだな

0737デフォルトの名無しさん

2011/06/11(土) 19:04:07.23

間違えました。すいません。

0738デフォルトの名無しさん

2011/06/12(日) 06:56:49.05

漫才かw

0739デフォルトの名無しさん

2011/06/12(日) 19:39:36.69

>>732
CUDAを勉強してみようかと少し取り組んでみましたが、
C言語の基本も知らぬプログラミング初心者なので
C言語から勉強しようと思ってます。

0740デフォルトの名無しさん

2011/06/12(日) 19:49:59.75

Rやoctaveに触れると、Cの世界に戻れない。
故にCUDAに触れることも出来なくなる。

0741デフォルトの名無しさん

2011/06/12(日) 19:55:24.78

Rでモンテカルロ出来るんだっけ？

0742デフォルトの名無しさん

2011/06/12(日) 20:12:36.74

>>739
C言語の文法を知ることは必須としても、まずプログラムがどういうもので何が出来るものなのか、って視点からも眺めた方がいいよ。
文法を覚えることに溺れないように

0743デフォルトの名無しさん

2011/06/12(日) 20:32:53.39

>>741
統計解析ソフトだから乱数の生成は得意だと思うけど、
ループが苦手だから本当にモンテカルロが必要な場面でが役立たずかも。

Rユーザから見ると、curandライブラリがRから呼び出せたら嬉しい。

0744デフォルトの名無しさん

2011/06/13(月) 16:13:05.08

カーネルを起動するのにかかるコストってNVIDIAの資料等に載ってるんでしょうか？

0745デフォルトの名無しさん

2011/06/13(月) 17:09:26.42

資　料　読　め　よ

0746デフォルトの名無しさん

2011/06/13(月) 20:52:40.31

　　　　　　　　　　　YES　→　【見つかった？】　─　YES → じゃあ聞くな死ね
　　　　　　　　　／　　　　　　　　　　　　　　　　　＼
【資料見た？】　　　　　　　　　　　　　　　　　　　　　　　 NO → なら、ねぇよ
　　　　　　　　　＼
　　　　　　　　　　　 NO → 死ね

0747デフォルトの名無しさん

2011/06/13(月) 22:35:02.62

日本語の試料ないですか？
頭痛いです。

0748デフォルトの名無しさん

2011/06/13(月) 22:46:41.93

　　　　　　　　　　　YES　→　【見つかった？】　─　YES → じゃあ聞くな死ね
　　　　　　　　　／　　　　　　　　　　　　　　　　　＼
【探した？】　　　　　　　　　　　　　　　　　　　　　　　 NO → それより僕と踊りませんか？
　　　　　　　　　＼
　　　　　　　　　　　 NO → 死ね

0749デフォルトの名無しさん

2011/06/13(月) 22:56:54.15

>>746
くだすれなんだし並列に書いてみてはどうか

0750デフォルトの名無しさん

2011/06/13(月) 23:03:14.51

>>749
ifが多すぎてパフォーマンスが落ちると思う

0751デフォルトの名無しさん

2011/06/13(月) 23:07:55.03

>>750
嫁>>1

0752デフォルトの名無しさん

2011/06/14(火) 09:21:34.64

>>1の序文が全く無視されているな

0753デフォルトの名無しさん

2011/06/14(火) 09:45:27.25

>>747
日本語の書籍購入するのが早いとおもうよ。
・ASCII.technologies (アスキードットテクノロジーズ) 2010年 08月号
・はじめてのCUDAプログラミング
・CUDA by Example 汎用GPUプログラミング入門

この辺がお勧め。自分はこの順で読んだ。
でもプログラミングガイドとか読むのは避けられないはず。

・CUDAプログラミング実践講座 - 超並列プロセッサにおけるプログラミング手法
これは買ってないけど良さそう。

0754デフォルトの名無しさん

2011/06/14(火) 09:47:57.13

>>753
上から三つ目は一つ目と二つ目が参考資料だっからな
アスキーは触りとしてはわかりやすかった
どれにしろFermiについて書いてないけどね

0755デフォルトの名無しさん

2011/06/14(火) 09:55:59.01

4.0になると、もうどうしましょ

0756デフォルトの名無しさん

2011/06/14(火) 20:59:49.06

■後藤弘茂のWeekly海外ニュース■
AMDが発表したメインストリームAPU「Llano」のアーキテクチャ
ttp://pc.watch.impress.co.jp/docs/column/kaigai/20110614_452948.html

>もう1つのバスは「Fusion Compute Link (Onion)」で、こちらはCPUとのコヒーレントバスになっている。
>このバスを使うと、GPUコアが、これまでできなかったCPUキャッシュへのスヌープをできるようになる。
>このOnionバスを使うことで、GPUでの汎用コンピューティング時に、
>CPUとGPUの間での無駄なメモリコピーを排除するゼロコピーが実現できる。

0757デフォルトの名無しさん

2011/06/14(火) 22:14:25.10

あとはメインメモリがGDDR5になるのを待つだけだな．

0758デフォルトの名無しさん

2011/06/14(火) 22:50:31.08

また妙なことを始めたなAMDw

0759デフォルトの名無しさん

2011/06/14(火) 22:59:19.26

メモリコピーがネックにならない計算ってむしろおかしい？
計算の方が時間かかってるんだけど
もっと最適化できそうとか

0760デフォルトの名無しさん

2011/06/15(水) 01:56:49.38

利用しているデータ量が少ないなら別におかしくはないと思うけど。

0761デフォルトの名無しさん

2011/06/15(水) 14:58:40.10

SDK4.0(x32)のtemplateを別フォルダにコピーしてVS2008でビルドしようとしたらcutil32D.libが開けませんって出ます。
助けてください。

0762デフォルトの名無しさん

2011/06/15(水) 16:01:33.65

>>761
720

0763デフォルトの名無しさん

2011/06/15(水) 17:10:58.62

>>762
レスありがとうございます。
cutilとshrUtilsは既にビルドはしているんですが、開けないとでるんですよ。。

0764デフォルトの名無しさん

2011/06/15(水) 21:41:20.65

>759
メモリコピーの時間がかかってでも並列演算したいって問題がほとんどだから
別におかしくないんじゃない。
並列計算が早すぎてメモリコピーがネックのように見えるってことはあるけど。

0765デフォルトの名無しさん

2011/06/15(水) 22:05:59.38

メモリのコピー時間は0でも
同時にはアクセスできないよね、きっと。
でも大した問題でもないか。

0766デフォルトの名無しさん

2011/06/16(木) 03:21:57.35

Microsoft Going All-in on GPU Computing ≪ NVIDIA
http://blogs.nvidia.com/2011/06/microsoft-going-all-in-on-gpu-computing/?sf1642229=1

0767デフォルトの名無しさん

2011/06/16(木) 06:03:44.90

>>754
アスキーは2冊あって2010/08はFermiについても掲載されてるよ
そのほかにOpenCL、Direct compute, ATI streamについても載ってる

0768デフォルトの名無しさん

2011/06/16(木) 15:34:19.10

物凄く基礎的な質問ですいません。
今大学でCUDAの勉強を始めた者です。
現在貸し出されたPCに入っていたのがGeForce7600GSで、
CUDAの公式を見る限りだとCUDAに対応していないようですが
どうにかして動かすことは出来ないでしょうか？

一応一番初期のVer1.0～最新の4.0までひと通り試してみたのですが
サンプルのdeviceQueryを動かしてもCUDA Driver Versionは0.0のままでした。

もし可能でしたら少しでも助言を・・・
無理なら無理と言ってくだされば大学側に申請して
可能なGPUの購入を考えてます。

0769デフォルトの名無しさん

2011/06/16(木) 15:37:06.49

CUDAの勉強するならCUDAに対応したグラボを用意して貰え
対応してない物が仮に動いたとしても、それが正確な動作かわからんから勉強にならんぞ

0770デフォルトの名無しさん

2011/06/16(木) 15:54:45.30

cuda x86
Amazon EC2

GPU買わなくてもおｋ

0771デフォルトの名無しさん

2011/06/16(木) 16:13:17.23

>>768
安いのなら1万切るから自分でグラボ買ってもいいんじゃない？

0772デフォルトの名無しさん

2011/06/16(木) 16:48:57.04

>>771
大学研究室ならキッチリ金出してくれて580くらいはポンと買ってくれるだろうから自分で買う意味ないだろう

0773デフォルトの名無しさん

2011/06/16(木) 18:37:25.67

ゲーム用と思われるのもあれだからTesla 20 Cシリーズ買ってもらいなよ

0774デフォルトの名無しさん

2011/06/16(木) 22:59:07.51

>>768
授業？独学？
研究のわけないよね
GPGPUの研究でDX9のGPUとか遠回しなアカハラだｗ

0775デフォルトの名無しさん

2011/06/17(金) 04:29:44.26

はじめてのCUDA読んでソースみたほうが早いかもよ
それかここのpdfがお勧め
ttp://accc.riken.jp/HPC/training.html
GPUと大量の配列使うならCUDAが楽だよねえ

自作のテキストだけど、インストール部分だけなら役に立つかもしれない
ttps://docs.google.com/viewer?a=v&pid=explorer&chrome=true&srcid=0B3RsNc5-fK5OZWY4MDVjYTItOTM2MS00NDc3LWE3NjEtZTc5YmQyMjg4Y2Q4&hl=ja&authkey=CJHji7AH

0776デフォルトの名無しさん

2011/06/17(金) 07:42:07.25

>>775
横からだが、これは面白そう読んでみるわ

0777デフォルトの名無しさん

2011/06/17(金) 10:15:21.27

同じく横からだが、ブクマした
全部印刷しておいても良いかもしれん

0778デフォルトの名無しさん

2011/06/19(日) 02:32:29.65

>>775
参考になりそうだ。DLできないの？

0779デフォルトの名無しさん

2011/06/19(日) 10:39:21.50

できますん

0780デフォルトの名無しさん

2011/06/19(日) 22:33:54.54

二つ質問があります
①felmiにはキャッシュが搭載されているみたいですがプログラム中で明示しなくてもキャッシュにより高速化するのですか？

②GPUでcuda化して高速化が見込めるアプリケーションが載ってるサイトとか知りませんか？ソースコードつきで。できればC言語だとうれしいです

0781デフォルトの名無しさん

2011/06/19(日) 22:41:52.94

めんどく
だれかこたえてあげれや

0782デフォルトの名無しさん

2011/06/19(日) 22:54:32.14

この程度の事を自分で調べられず、聞いてしまう人間には
使いこなすのは無理だよ。

0783デフォルトの名無しさん

2011/06/19(日) 23:07:34.93

>>782
一応は調べました
せめて①だけでも答えてもらえると助かります
②に関しては自分もいくつか見つけましたが他の方がどういったサイトを使ってるか気になったので聞いてみました

0784デフォルトの名無しさん

2011/06/19(日) 23:08:08.80

機種依存文字-10
綴り間違い-10
sage+3
投稿時間+10

内容に言及しなくても-7点だ
もうちょいがんばれ

0785デフォルトの名無しさん

2011/06/19(日) 23:31:02.35

教えるきないなら書き込むなよ、暇人

0786デフォルトの名無しさん

2011/06/19(日) 23:52:40.95

>>785
ﾌﾟｯ

0787デフォルトの名無しさん

2011/06/19(日) 23:52:54.57

キャッシュは勝手に使われるが、
キャッシュによって高速化(何と比べて？)するかはアプリによる。

ttp://journal.mycom.co.jp/articles/2010/07/21/fermi_cache/index.html
こんな話もあるから、キャッシュが如何使われるか位は
意識しないと駄目だし、究極を目指せば結局コアレスアクセスに
なってキャッシュの意味は無くなるかも知れない。
で、そこまで頑張れば微妙にteslaの方が速くなる。

0788デフォルトの名無しさん

2011/06/20(月) 02:53:19.67

ランダムアクセスでテストしてみたが（sm1.1でコンパイル）、コアレスと比較して、260では1/5まで速度が落ちたが、470は2/5だった
びっくらこいた
高速化できる例はCUDA SDKのサンプルみればよろし

0789デフォルトの名無しさん

2011/06/20(月) 02:55:44.71

補足
G80/G92のように総レジスタ数の少ないGPUはもっと遅くなる。大体1/10

0790デフォルトの名無しさん

2011/06/20(月) 07:37:03.23

キャッシャが要らなきゃ共有メモリを増やせるし、Fermiは便利だね。

0791デフォルトの名無しさん

2011/06/22(水) 16:10:37.96

fermiで２ワープを２サイクルで処理していると記載を見かけるのですが、なぜ１サイクル１ワープでなく2サイクル２ワープなのでしょうか？
どういう原理なのかご存知の方がいらっしゃいましたら教えていただけませんか。
また、ご存知でしたらその記載がどこにあるか教えていただけませんか。
お願いします。

0792デフォルトの名無しさん

2011/06/22(水) 18:40:23.89

「fermi half warp」でググればいくらでも出てくる．

0793デフォルトの名無しさん

2011/06/23(木) 15:54:07.78

>>792
ありがとうございます。

0794やむちゃ

2011/06/24(金) 22:13:50.67

僕もそれ欲しいです。

0795デフォルトの名無しさん

2011/06/30(木) 16:21:00.38

ゲフォ最上位とラデ最上位さらにSLIとかCF含めるとトリップ検索じゃどっちが上なんだろう。

HD6990単体で362Mtrip/sくらいだよな。
単純に倍なら722Mtrip/s？

0796デフォルトの名無しさん

2011/06/30(木) 19:12:34.59

アホな質問で、NvidiaのCUDAには関係ないけど
GPUを使う場合ってターゲットのｎVidia、AMD（ATI)GPU用専用バイナリコードを作成するの？
(両方で動くようにするには両方用のバイナリを用意しないと駄目?)
それともJAVAのbytecodeみたいなのを作成して、それで両方のｎVidia、AMD（ATI)GPUに対応
出来るようになっているの?

0797デフォルトの名無しさん

2011/07/01(金) 03:02:06.82

(テキストコード) → [DirectX,OpenGL] → [nVidiaドライバー] → （ネイティブコードA） → [チップ]GTX580
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　→ （ネイティブコードB） → [チップ]GTX560
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　→ （ネイティブコードC） → [チップ]……
　　　　　　　　　　　　　　　　　　　　　　　→ [ATIドライバー]　　→ （ネイティブコードD） → [チップ]知らね
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　→ （ネイティブコードE） → [チップ]
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　→ （ネイティブコードF） → [チップ]

0798デフォルトの名無しさん

2011/07/01(金) 03:10:03.12

機械語をデコードして制御コードに従ってどうたらこうたら

0799デフォルトの名無しさん

2011/07/01(金) 09:31:07.35

OpenCL使っとけ

0800デフォルトの名無しさん

2011/07/02(土) 00:44:21.66

OpenCLなんざ複数の環境で動かそうと思ったらテキストそのものだし、
Javaみたいな抽象度の高いバイトコードも解析が容易だしで、
小手先のノウハウで大幅に速度や精度が変わっちゃう商売には使いづらい世の中になってきた。

0801デフォルトの名無しさん

2011/07/03(日) 00:25:09.93

ちょっと質問。
CUDAプログラミングでVRAMの大きさって気にする必要がある？
まぁ、作るプログラムによるんだろうけど、1GB以上食うのはたぶん確実。

GTX 560とかで2GBのカードもあるので、差が出るならそっちを選んでおきたいかな…と。

0802デフォルトの名無しさん

2011/07/03(日) 01:03:13.54

計算に必要なデータがVRAM上に全部乗るならそれ以上はいらんだろ

0803801

2011/07/03(日) 07:38:06.67

ありがとう。
やっぱし計算に必要な分はメモリがいるのね。

ちと調べたら
CUDA4.0からUnified Virtual Addressing(UVA)なるものが登場していて、
コード的にはVRAM容量は気にしなくていいみたいだけど、
性能的には差が出る、と理解しておきます。

0804デフォルトの名無しさん

2011/07/03(日) 18:11:44.57

CUDA初心者なんですが、質問させてください。

研究で有限要素法を使っていますが、あまりにも計算に時間がかかるので、GPUを使えればと思っています。
とりあえず、使っているプログラム(fortran)がGPUで処理できるような内容か否かを知りたいのですが、
CUDA入門書などを読んでも、プログラミングについて書いてあるだけで、
具体的にどのような処理が不可能かは見つけられませんでした。
プログラム自体は、ソースを書き換えれば並列化が可能です。
cpuに出来てGPUに出来ない処理とは具体的にどのような処理なのでしょうか？

gpuは単精度しか扱えないとの記述を見ましたが、単純にreal*8で定義した変数をreal*4に書き換えることで
gpuでも可能になるということでしょうか？

長文失礼しました、ご回答よろしくお願いします。

0805デフォルトの名無しさん

2011/07/03(日) 18:32:01.01

http://developer.nvidia.com/cuda-toolkit-40
http://gpu.fixstars.com/index.php/CUDA_%E6%96%87%E6%B3%95_1
http://www.kumikomi.net/archives/2008/10/22gpu2.php
http://tech.ckme.co.jp/cuda.shtml
http://www.codelogy.org/quillpen/?entry=62

0806デフォルトの名無しさん

2011/07/03(日) 22:17:41.75

fortranからcudaってなんか必要じゃなかったっけ

0807デフォルトの名無しさん

2011/07/04(月) 18:01:43.46

>>804
ど素人だけど
有限要素法がCUDAに向くかグルグルしてみる。　
Fortran用いてCUDAで有限要素法している大学の研究室あるカモ

0808デフォルトの名無しさん

2011/07/04(月) 18:14:51.81

有限要素法ってマルチでスレッド走らせても効果あがらんべよ
逐次処理なんだからさ

0809デフォルトの名無しさん

2011/07/04(月) 21:19:29.48

連立一次方程式を解く部分が反復法で
SOR法のような逐次処理であっても
並列化することは可能。
共役勾配法ならふつうに並列化できそう。

0810デフォルトの名無しさん

2011/07/04(月) 22:15:17.34

すでにopenMPIかなんかで並列化されてるやつならCUDAでもいける

0811804

2011/07/04(月) 23:13:48.80

たくさんのレスありがとうございます。
>>805
ちょっとまだ読めていませんが、頑張って読ませていただきます。
>>807-810
なるほど、ググってみます。
ただ、私が使っているのは、構成式の計算が非常に複雑なのと、
多相混合体を計算しているので、その部分が逐次処理でも早くなるのでは？？と考えています。
あと、12スレッドでCPUを100%使用してくれているので、
単純にマルチスレッドで行けるのかなと甘い考えを持っていました。

0812デフォルトの名無しさん

2011/07/05(火) 19:50:07.25

reduction計算で任意の配列数ってみなさんどうしてますか？
はじめてのcudaプログラミングに書いてある方法では奇数はおろか2の乗数の配列しか扱えないんで

0813デフォルトの名無しさん

2011/07/05(火) 21:06:02.22

要素数 2^nで確保して，必要ないところには0をセットして使ってる
もっと良い方法ありそうだけど，ホスト側に転送して計算させるよりは圧倒的に高速になるから，
深く考えずに実装してる…

0814デフォルトの名無しさん

2011/07/05(火) 23:14:25.80

>>812
GPUComputingSDKのreductionのソースを参考に改良。

0815デフォルトの名無しさん

2011/07/06(水) 20:49:49.53

同じく0をセットしてる

バイトニックソートの時は邪魔にならんようにめちゃくちゃでかい数セットしてるｗｗｗｗｗｗ

0816デフォルトの名無しさん

2011/07/07(木) 02:20:00.74

そもそも「はじめてのcudaプログラミング」は
Optimizing Parallel Reduction in CUDAの#6
(Kernel 6)までしか訳してない。
#7(Kernel 7)でさらに速くなり、データ数の上限
もアップする。

0817デフォルトの名無しさん

2011/07/07(木) 12:23:25.63

配列の要素数が二進数で11100101とかなら先頭から
10000000
1000000
100000
100
1
づつreductionさせればどんな要素数でもできそうだけどめんどくさそう

0818デフォルトの名無しさん

2011/07/07(木) 13:12:12.12

めんどくさいどころのさわぎじゃないな

0819デフォルトの名無しさん

2011/07/07(木) 14:28:48.64

モンテカルロなんだけどスレッド数とかブロック数のいい決め方ってある？
例えば約百万回の実行を行うのに1024＊1024と512＊512を4回では環境によって
前者が速かったり後者が速かったりするんだけど

0820 忍法帖【Lv=20,xxxPT】

2011/07/07(木) 17:51:45.22

>>819
実測。

0821デフォルトの名無しさん

2011/07/07(木) 18:54:52.10

>>820
返答サンクス
でも意味不明w

0822デフォルトの名無しさん

2011/07/08(金) 07:01:46.60

>>819
自分で答え書いてると思うけど，環境によって最適値が変わるので自分の環境で試行錯誤して最適値を決定するのが一番いいと思います

0823デフォルトの名無しさん

2011/07/08(金) 09:47:06.22

環境ごとに適正なパラメータが違うなら、パラメータ決定の為の評価プログラムを作ればいいじゃない。

0824デフォルトの名無しさん

2011/07/11(月) 21:28:58.35

Zipのパスワードを1秒間に6億回クラックってどう？
まぁまぁ速い？

http://www.youtube.com/watch?v=3dEN9JQ3R0U

0825デフォルトの名無しさん

2011/07/11(月) 22:20:08.16

そもそものGPGPUってどんな方法なの？
各ピクセルにデータいれたものをテクスチャとして渡して、ピクセルシェーダになんか演算させて、画像として帰ってきたものを1ピクセルずつ読み取るってかんじ？

0826デフォルトの名無しさん

2011/07/11(月) 22:23:45.83

それは2005年頃の話

0827デフォルトの名無しさん

2011/07/11(月) 22:47:01.34

>>826
早いのか遅いのかわからんｗｗｗ
そもそもは何年ごろに確立されたの？

0828デフォルトの名無しさん

2011/07/11(月) 22:56:54.62

APUが普及すれば，これからもっとGPGPUが盛んになるかな？
(主流はOpenCLとかになりそうだけど)

0829デフォルトの名無しさん

2011/07/11(月) 23:22:50.92

>>827
提唱時期は知らんが、>>825 はGPGPUの「古典」だ

0830デフォルトの名無しさん

2011/07/11(月) 23:37:20.93

>>829
thx
その古典についてもうちょい詳しく知りたい

0831デフォルトの名無しさん

2011/07/12(火) 00:05:46.80

http://journal.mycom.co.jp/articles/2005/09/06/siggraph2/004.html
http://www.4gamer.net/games/076/G007660/20090206031/

大まかな話ならこのあたりとかじゃないかな。

0832デフォルトの名無しさん

2011/07/12(火) 00:27:14.22

>>831
ありがとう！
スレ違いすまん

しかしCUDAはそういうの意識せずにできるんだな
プログラマブルシェーダってなに？ってレベルだったけどちゃんと高速化できたわ
GPUの構造は多少知らなきゃいけないけど

0833デフォルトの名無しさん

2011/07/12(火) 09:38:30.96

OpenCLが.NET Framework並みに使い易くなってくれればなぁ・・・

0834デフォルトの名無しさん

2011/07/12(火) 14:31:44.47

ACML-GPUでもCUBLASでもいいからCygwinかMingwのgfortranで動けばなあ

MINPACKがそれらのBLASで動けば、非線型最適化が瞬時に出来るかも
しれないのに。

0835デフォルトの名無しさん

2011/07/13(水) 11:28:00.27

質問失礼します。

atomic関数を使った.cuソースのコンパイルがどうしても通りません。
"identifier atomicAdd is undefined"が出てしまいます。
環境はvisual studio 2008でGTX480(cc = 2.0)です。

cudaフォーラムにあった、
nvcc -arch sm_11オプションコンパイルをVSコマンドプロンプトからコンパイルしようとしても
"Visual Studio configuration file '(null)'could not be found for instration at ~~~
"というエラーメッセージが出てしまいます。

解決方法ご存知の方いませんでしょうか。

0836デフォルトの名無しさん

2011/07/13(水) 11:28:19.09

0837 忍法帖【Lv=24,xxxPT】

2011/07/13(水) 11:38:18.58

どんなコマンドラインを入力したらどんなメッセージが出たのか詳しく。

0838デフォルトの名無しさん

2011/07/13(水) 11:48:11.69

instration？

0839デフォルトの名無しさん

2011/07/13(水) 14:05:01.64

僕は
atomicAddとか使うとき-arch sm_11じゃなく、-arch=sm_11　としているけど

0840デフォルトの名無しさん

2011/07/13(水) 16:52:49.53

良く分からんが、
sm_11_atomic_functions.h　をインクルードしてみるとか。

0841デフォルトの名無しさん

2011/07/13(水) 21:38:27.19

コピペもできないのにcudaとか。

0842デフォルトの名無しさん

2011/07/14(木) 21:10:56.94

何でこのスレでやたら「はじめてのCUDAプログラミング」勧められてるのかと思ったら
著者はこのスレの住人なんですね。32人33脚の例の話とか過去ログ読んで経緯理解したよ…

しかしこの本、意味不明な挿絵でいちいち吹くんだが…暗闇からのニョッキリ手ってなんだよｗ

0843デフォルトの名無しさん

2011/07/14(木) 22:25:02.91

>>842
日本語で勧められるのはcuda by Exampleが出版される前は
「はじめてのCUDAプログラミング」以外なかった。

今でも内容がfermiにあっていないところは時代遅れだが
初学者にとってリダクションのチューニングの演習過程は参考になる。

0844デフォルトの名無しさん

2011/07/14(木) 23:32:04.91

住人かどうか知らんが
別に本人が勧めてるわけじゃないだろ

アーキテクチャとかはPCゲームの記事が詳しかったな確か

0845デフォルトの名無しさん

2011/07/15(金) 19:32:35.44

>>574
私もCUDA by Example読み始めて同じところで引っかかったのですが、
今検索するとforumでいくつかヒットしますね。
http://forums.nvidia.com/index.php?showtopic=202480

ただ私の環境では、コンパイル通っても実行すると
> unknown error in CudaByExample/chapter04/julia_gpu.cu at line 89
なんてエラーが出てさっぱりですが…

0846デフォルトの名無しさん

2011/07/18(月) 13:34:23.28

このスレッドは、他のスレッドでは書き込めない超低レベル、
もしくは質問者自身何が何だが分からない質問を勇気を持って書き込むスレッドです。
CUDA使いが優しくコメントを返しますが、
お礼はCUDAの布教と初心者の救済をお願いします。

CUDA・HomePage
http://www.nvidia.com/cuda
CUDA Zone
http://www.nvidia.co.jp/object/cuda_home_jp.html
NVIDIA GPU Computing Documentation
http://developer.nvidia.com/nvidia-gpu-computing-documentation
CUDA GPU Computing Forums
http://forums.nvidia.com/index.php?showforum=62

関連スレ
GPGPU#5
http://hibari.2ch.net/test/read.cgi/tech/1281876470/

前スレ
【GPGPU】くだすれCUDAスレ【NVIDIA】
http://pc12.2ch.net/test/read.cgi/tech/1206152032/
【GPGPU】くだすれCUDAスレ pert2【NVIDIA】
http://pc12.2ch.net/test/read.cgi/tech/1254997777/
【GPGPU】くだすれCUDAスレ pert3【NVIDIA】
http://hibari.2ch.net/test/read.cgi/tech/1271587710/
【GPGPU】くだすれCUDAスレ pert4【NVIDIA】
http://hibari.2ch.net/test/read.cgi/tech/1291467433/

0847デフォルトの名無しさん

2011/07/18(月) 13:35:15.94

関連サイト
CUDAテクニカルトレーニングI/II
http://www.nvidia.co.jp/docs/IO/59373/VolumeI.pdf
http://www.nvidia.co.jp/docs/IO/59373/VolumeII.pdf

GPUコンピューティング研究会(各回の資料リンク)
http://gpu-computing.gsic.titech.ac.jp/Japanese/Lecture/index.html

ソフテック・PGIテクニカル情報・コラム(CUDAに関する話題複数あり)
http://www.softek.co.jp/SPG/Pgi/TIPS/para_guide.html

CUDAベンチ
http://wataco.air-nifty.com/syacho/2008/02/cuda_2044.html

KNOPPIX for CUDA
http://www.yasuoka.mech.keio.ac.jp/cuda/

0848デフォルトの名無しさん

2011/07/18(月) 13:36:26.20

他にも参考になるリンクあったら教えろください。

0849デフォルトの名無しさん

2011/07/18(月) 14:40:05.02

>>2 にもあるけど
CUDAフォーラム（日本語）： http://forum.nvidia.co.jp
ってなくなっちゃったの？
http://www.nvidia.co.jp/object/io_1223650778428.html
http://www.okwave.co.jp/news/press_log/2008/1010.html

0850デフォルトの名無しさん

2011/07/18(月) 14:46:05.65

こんなマニアックなことする人間はあまりいないんだろ
基本、学術計算的なことじゃない限り利用価値があまりないし

0851 忍法帖【Lv=28,xxxPT】

2011/07/18(月) 18:38:44.01

つーか、NVIDIA日本に回答できる奴もまともに運営できる奴も居ないんだから意味無いよ。
英語できる奴は本家のForumで事が足りるし、そうでない奴はここに聞きに来ている悪寒。

0852デフォルトの名無しさん

2011/07/18(月) 23:24:52.80

産業用途の画像処理分野にGPGPUは劇的な効果だよ

0853デフォルトの名無しさん

2011/07/19(火) 00:25:03.51

OpenCLのほうがよくね？

0854デフォルトの名無しさん

2011/07/19(火) 00:30:48.55

同じプログラムを書くとき，OpenCLよりCUDAのほうが早く書き終わる．

0855デフォルトの名無しさん

2011/07/19(火) 00:32:52.24

CUDAで作ってからOpenCLに移植したほうが楽なのは俺だけ？

0856デフォルトの名無しさん

2011/07/19(火) 03:18:04.57

>>853
どういった理由ででしょうか？

0857デフォルトの名無しさん

2011/07/19(火) 19:19:37.60

>>852
DSP使ったり、FPGAで並列回路組んでたのをこっちに乗り換えてﾔｯﾎｰｲな所ってあるのかな

0858399

2011/07/19(火) 23:12:13.47

>>857
胡散臭い演算専用ボードを使わずに済んでYahoo!

0859デフォルトの名無しさん

2011/07/20(水) 01:59:01.95

PhysX を飼ってしまった‥‥‥。

0860デフォルトの名無しさん

2011/07/20(水) 02:21:10.61

今更だが日経ソフトウェア8月号で
VS使わないフリー環境でのコンパイル方法を紹介してる

0861デフォルトの名無しさん

2011/07/20(水) 07:36:42.98

GPGPUするぐらいだから、ここにいる人は速度が欲しいだと思いますが
早過ぎる最適化は怖くないんですか？
カリカリの最適化した後に、やっぱり違うやり方の方がいいって思っても
大きな変更は億劫になってしまいそうです。

0862デフォルトの名無しさん

2011/07/20(水) 07:54:30.98

仕事でやるなら辛いでしょうね
納期に追われると特に

でも、遊びでやるなら楽しいんじゃないでしょうか
パズルみたいで

0863デフォルトの名無しさん

2011/07/20(水) 11:40:51.26

>>860
VC Express 使えば良いじゃない。

0864デフォルトの名無しさん

2011/07/20(水) 13:29:38.03

C++/CLIを使えと・・・

0865デフォルトの名無しさん

2011/07/20(水) 14:14:21.74

Concurrent Kernel Executionについて質問させてください。
compute capability 2.xを満たし、念のためにconcurrentKernelsも確認してConcurrent Kernel Executionが使えることは確認しました。
しかし、いまいち使い方がわかりません。
カーネルを2つ連続で書けば自動的に行われるのか、それとも何かフラグが必要なのか。
また、何か特殊な関数が必要なのか。
どなたか、ご存知の方がいらっしゃいましたらご指導をお願いします。

0866デフォルトの名無しさん

2011/07/20(水) 15:46:27.09

ヒント
Stream

0867デフォルトの名無しさん

2011/07/20(水) 17:12:02.58

>>866
ありがとうございます。
プログラミングガイドのStreamとその周辺を読んでみたいと思います。

0868デフォルトの名無しさん

2011/07/21(木) 14:37:05.43

>>864
CLIは必須じゃない

0869デフォルトの名無しさん

2011/07/21(木) 17:22:50.43

はじめてのCUDAプログラミング読み始めましたが、ちょっと疑問が。

ブロック、スレッドというのは、カーネル関数を実行するときの<<<M,N>>>で指定すると思うのですが、
グリッドというのは何なんでしょうか？
他の入門用説明を読んでも、1つしかないことを前提に書かれているようですが…

0870デフォルトの名無しさん

2011/07/21(木) 17:29:34.96

いい質問だ
とにかく用語がおぼえにくいからね

0871デフォルトの名無しさん

2011/07/21(木) 18:02:37.66

スレッドの集まりがブロック。
ブロックの集まりがグリッド。
どちらも論理概念でハードウェア資源と完全に同一ではないので注意。

0872デフォルトの名無しさん

2011/07/22(金) 21:00:42.88

みんなCUDAで何やってんの？オナニーか？

0873デフォルトの名無しさん

2011/07/22(金) 21:06:35.84

今日こんなのあったのね。事前に知ってたら参加してたのに…
http://www.nv-jp-event.jp/gtc-workshop2011/
参加された方、感想をぜひ。

0874デフォルトの名無しさん

2011/07/23(土) 00:52:21.61

ストリーミングで見れるじゃない。

0875デフォルトの名無しさん

2011/07/23(土) 12:51:02.38

>>874
基調講演だけじゃ…

0876デフォルトの名無しさん

2011/07/23(土) 15:36:44.71

分岐さけるために↓みたいなコード書こうかと思ったんだけど、
boolが1にとは限らなかったりする？

int selector = value1 < value2
int out = value1 * (1 - selector) + value2 * selector

0877デフォルトの名無しさん

2011/07/23(土) 15:49:01.44

>>876
これって、if-else文より速くなるの？

0878デフォルトの名無しさん

2011/07/23(土) 15:51:24.83

>>876
GPUでやった事はないけど、
x86,x64じゃ比較演算子は分岐命令が交じる。

0879デフォルトの名無しさん

2011/07/23(土) 16:54:15.00

cudaなんだからptxファイルを出力して見比べればいいじゃん。

0880デフォルトの名無しさん

2011/07/23(土) 17:17:15.22

>>876
勉強がてらPTXを見てみた。誤ってたら指摘よろしく。
http://developer.download.nvidia.com/compute/DevZone/docs/html/C/doc/ptx_isa_2.3.pdf

int selector = value1 < value2; の部分:
setp.gt.s32 %p1, %r1, %r2;
selp.s32 %r3, 1, 0, %p1;

%r1,%2がそれぞれvalue1,value2,%r3がselector。
selectorが0か1になるのはC++言語仕様通り保証されてるね。

"setp.gt.s32"の部分だけで
int out = value1 < value2 ? value2 : value1;
と変わらないので、>>876のそれ以外は全部無駄だね。

0881880

2011/07/23(土) 17:48:23.97

ごめん、ちょっと間違えてた。
%r2がvalue1, %r1がvalue2だった。

0882デフォルトの名無しさん

2011/07/23(土) 17:51:07.24

意味なしなのね。調べてくれてありがとう。

0883デフォルトの名無しさん

2011/07/23(土) 18:15:22.01

意味無しじゃなくて害悪だろう…

0884デフォルトの名無しさん

2011/07/23(土) 21:28:51.28

CUDA SHA-1 TripperをCUDA Toolkit 4.0でリコンパイルしただけで
100MTrips/s以上速くなったｗ GTX 580で640MTrips/s出てる。
こりゃすごいわ。

0885デフォルトの名無しさん

2011/07/23(土) 21:35:26.38

というか、普通に書けばMAXを取る命令が使われるのでそもそも分岐命令なぞ入らないが。

0886デフォルトの名無しさん

2011/07/23(土) 21:46:23.58

確実に重くなるだろ。

0887デフォルトの名無しさん

2011/07/23(土) 21:48:09.55

>>884
他のアプリで速度向上したりしてます？

0888デフォルトの名無しさん

2011/07/23(土) 22:59:15.99

>>887
他のアプリは試していないのでちょっとわかりません。
あまりにも嬉しかったのでスレを立ててしまったｗ

【トリップ検索】CUDA SHA-1 Tripper【GeForce】
http://hibari.2ch.net/test/read.cgi/software/1311428038/

0889デフォルトの名無しさん

2011/07/24(日) 05:14:37.53

>>885-886
そんな後出しでドヤ顔されても…

0890869

2011/07/24(日) 15:59:56.54

http://thinkit.co.jp/story/2010/07/09/1654?page=0,1
> ブロックの集合体であるグリッド（Grid）は、デバイス（Device）に対応しています。
とあるので、簡単に言うとGPUカード2枚挿すとグリッド数は2、ということでしょうか。

0891デフォルトの名無しさん

2011/07/24(日) 17:08:31.45

グリッド数という概念はない。
グリッドとは一回のカーネル呼び出しで実行される単位みたいなもの。

0892デフォルトの名無しさん

2011/07/30(土) 17:13:04.48

VC2010Expressで4.0環境やっとできたわ

0893デフォルトの名無しさん

2011/07/31(日) 12:47:17.83

>>892
注意するところとかはまるポイントある？

0894デフォルトの名無しさん

2011/08/01(月) 18:07:05.67

ググれば出てくる

0895892

2011/08/01(月) 20:24:42.14

>>893
894の言うようにググれば出てくる。
VC2010 Express CUDA4 の3つのキーワードで最初に出てくるサイトを参考にした。

変えたのは以下の点

C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\BuildCustomizations\CUDA 4.0.props
を修正するところ
上記のサイトでは2行コメントアウト1行追加だが、俺は46行目の後にこれを追加した

<CudaClVersion Condition="'$(PlatformToolset)' == 'Windows7.1SDK'">2010</CudaClVersion>

あと、サンプル実行は適当にググってヒットした、CUDA用のHelloWorld。
上記のサイトからリンク辿れるサンプルはそのままでは動かなかった。
（俺の探し方が悪いのかもしれんが）

0896デフォルトの名無しさん

2011/08/03(水) 18:26:44.86

https://twitter.com/#!/NVIDIAJapan/statuses/96772501018906624
8月4日に秋葉原で行われるサードウェーブ主催の「GPGPUセミナー2011 夏」に協賛し、「NVIDIA GPU コンピューティング: CUDA 4.0による並列プログラミング」と題して講演します。http://bit.ly/l1ozuB
7月29日 TweetDeckから

0897デフォルトの名無しさん

2011/08/05(金) 13:31:24.47

>>835
一応できたので書いておきます。

compute capabilityの認識のさせ方

[visual studio 2008を利用する場合]
プロジェクトのプロパティ
→構成プロパティ
→CUDARUNTIMEAPI(カスタムビルド規則で設定したルールの名前)
→GPU
→GPU Architecture の欄に「sm_21」などと追加（←はcompute capabilityが2.1の場合）

[コマンドプロンプトで実行する場合]
①nvcc -arch=sm_21 hello.cu -o hello　などと入力。

②hello　　　　←これを実行すると出力がでる

hello.cuは実行したいファイルの名前。もちろん人によって変わる。

-oはコンパイル・リンク後に生成する実行形式ファイルの設定。デフォルトではa.out　だったような。

0898デフォルトの名無しさん

2011/08/08(月) 20:42:38.80

cuda勉強しようと思うんだけど、GTX520じゃさすがに貧弱すぎかな
460か560Tiくらいあったほうがいい？

0899デフォルトの名無しさん

2011/08/08(月) 20:55:39.64

勉強なら十分。

0900デフォルトの名無しさん

2011/08/08(月) 21:06:15.16

ありがとう明日にでも注文してみます

0901デフォルトの名無しさん

2011/08/08(月) 22:14:03.77

こころが折れそうです。プログラム初心者なのにCUDA…

0902デフォルトの名無しさん

2011/08/08(月) 22:38:23.36

それは厳しい。自分はCは長い間使ってたのですんなりと入れたけど。

0903デフォルトの名無しさん

2011/08/09(火) 06:53:52.22

GPGPUって高速化、最適化のためのものだから、
普通、プログラミングの基礎を固めた方がいい初心者とは真逆じゃない？
最初から最適化を過度に意識し過ぎると、貧乏性の汚いコードが身についちゃいそう。

0904デフォルトの名無しさん

2011/08/09(火) 16:57:38.45

>>898
GTX520で貧弱とか何贅沢なことを…と思ったけどGT520のことかな？

勉強なら十分、て言葉を否定する訳じゃないけど、
http://developer.nvidia.com/cuda-gpus
にあるCompute Capabilityも少し気にした方が良い、かも。

0905デフォルトの名無しさん

2011/08/09(火) 17:54:32.00

>>904
その一覧あってないような気がする
うちのGT430はSDKのサンプルでちゃんとCC2.1と表示されるよ
同一世代ならCCは一緒で性能が違うものだったと思う。

0906デフォルトの名無しさん

2011/08/09(火) 19:57:22.62

>>905
おお、それは初めて聞く情報！
グラボ詳しくないので同一世代がどれとか知りませんでした…ありがとうございます。

0907デフォルトの名無しさん

2011/08/09(火) 21:29:29.44

GeForce9400GTで練習したけどcore i7 940 1コアと同程度の速度しか出ずにがっかりしたな。

0908デフォルトの名無しさん

2011/08/09(火) 23:29:58.63

>>904
これって460のほうが580よりCudaに関しては性能上ってこと？

0909デフォルトの名無しさん

2011/08/10(水) 00:58:59.11

2.0と2.1の優劣は処理の内容によるが460で580に勝つのは無理。

0910デフォルトの名無しさん

2011/08/10(水) 01:07:30.44

なんていうんだろ、性能じゃなくてバージョン？
2.0と2.1でアーキテクチャ違うのかな

0911デフォルトの名無しさん

2011/08/10(水) 01:35:07.79

460のアーキテクチャは480の小改良版
で、460と480のフルスペック版が560Tiと580

0912デフォルトの名無しさん

2011/08/10(水) 01:49:07.11

Compute Capability 2.0と2.1の主な違いは
SMあたりのコア数やスケジューラの変更ではないでしょうかね。

ttp://pc.watch.impress.co.jp/docs/column/tawada/20100712_380174.html

> CC2.1についてNVIDIAに問い合わせたところ、

> The compute capability is indeed called 2.1 (versus 2.0 in GF100), but it’s the same
> program functionality as Compute 2.0 spec.
> The newer version number simply tells the complier to optimize for GF104 SM design.

> という回答をもらった。要するに「GF100のCC2.0と同じ機能を持つが、
> SMのCUDA Core数などが変化したことによるコンパイラの最適化に適応させたもの」ということで

という話もありますし。

0913デフォルトの名無しさん

2011/08/10(水) 03:06:28.12

2.0と2.1はほぼ同じようなモノか

0914デフォルトの名無しさん

2011/08/10(水) 08:02:15.62

1.3→2.0が画期的すぎた

0915デフォルトの名無しさん

2011/08/10(水) 16:40:00.15

そのためのFermiアーキテクチャだからな

0916デフォルトの名無しさん

2011/08/11(木) 09:35:32.07

ノートPC（VAIO－F)に、CUDA ドライバ4.0入れたら動画再生出来なくなった。
Tool Kitは動作してサンプルも動くのに・・・
悔しいけど、3.2にロールバックした ><

0917デフォルトの名無しさん

2011/08/12(金) 09:34:32.25

kepler楽しみだ

0918 忍法帖【Lv=14,xxxPT】

2011/08/12(金) 15:57:07.33

OpenCLってどうなっちゃったの？

0919デフォルトの名無しさん

2011/08/12(金) 21:04:48.83

向こうのスレで聞けば？

0920デフォルトの名無しさん

2011/08/16(火) 01:37:33.40

SDKについてくる動作必須DLLって自分のバイナリと一緒に配布していいの？

0921デフォルトの名無しさん

2011/08/16(火) 02:25:21.16

top500

0922デフォルトの名無しさん

2011/08/16(火) 03:24:06.31

>>920
それぐらい自分で確認しろよ
ttp://developer.download.nvidia.com/compute/cuda/3_2_prod/toolkit/docs/EULA.txt
と思ったけど、なんか4.0のは見当たらないね・・・

インストールすればライセンスのファイルも入るのかな・・・

0923デフォルトの名無しさん

2011/08/16(火) 10:10:43.62

>>918
nVidiaもATIも足並みを揃える気無いだろ
技術を相手に公開しなきゃならんし、自社でライブラリをガンガン開発してったほうが効率良いし

0924デフォルトの名無しさん

2011/08/16(火) 11:24:21.15

NVIDIAのCUDAのドライバとSDKとサンプルとCUFFTをメンテナンスしている人間はそれぞれ別で、
意思の疎通は必ずしも密ではないのではないかと思う。まして、OpenCL対応は……

0925デフォルトの名無しさん

2011/08/17(水) 16:01:16.04

CUDA用のGTXを買おうと思っています
今のところ470か480あたりを買おうと思っていますが，CCを重視して560にしたほうが良いという場合は有りうるでしょうか
また，メーカーはELSA安定だとは思うのですが，他の安いメーカー製にした場合問題が発生しやすい等有るのでしょうか

0926デフォルトの名無しさん

2011/08/17(水) 18:55:46.31

どちらも無い。

0927デフォルトの名無しさん

2011/08/17(水) 22:25:00.02

GTX 580をCUDA用に使ってるけど、絶好調だよ。こっちにしなよ。
それにCompute Capabilityは2.0と2.1だと違いがないんじゃないの?

0928デフォルトの名無しさん

2011/08/17(水) 22:27:04.78

CUDA　4.0に3.2から移行した人の報告よろ

0929デフォルトの名無しさん

2011/08/17(水) 23:19:17.69

>>925
今さら４８０を選ぶ理由は価格以外にないと思うが、
それでも５７０とかにしたほうが幸せな気がする。
メーカーはCUDAに関しては保証してないし交換もきかないからどこでも
一緒なような気がする。

0930デフォルトの名無しさん

2011/08/18(木) 12:12:59.41

NVIDIA: CUDAを保証しているのはVGAでは高度な信頼テストをしているうちのQuadroだけ(キリッ
ELSA: うちのGeForceはNVIDIAに供給しているQuadroと同じ部品を使っているから安くて高品質(キリィッ
他社: うちのGeForceはリファレンスボードの無駄や非効率を改善しているから高性能(キリリィッ

0931デフォルトの名無しさん

2011/08/18(木) 12:22:51.68

> NVIDIA: CUDAを保証しているのはVGAでは高度な信頼テストをしているうちのQuadroだけ(キリッ

でもこれ、実際のところ正しいと思うよ。
リファの580をオーバークロックしてCUDAのプログラムを走らせると、
結構な確率でデータが化けるよ。化け方を見ると、明らかに中の演算装置が誤動作してるんだよね。
趣味ならともかく、仕事で使うんなら高いの買わないと駄目でしょ。

0932デフォルトの名無しさん

2011/08/18(木) 12:45:11.47

そこで３つの演算器に同じ計算させて多数決ですよ
バルタザールメルキオールカスパー

0933デフォルトの名無しさん

2011/08/18(木) 12:59:22.40

>> リファの580をオーバークロックしてCUDAのプログラムを走らせると、
問題はここじゃね～のか？普通の頭はそう考えると思うぞ

0934デフォルトの名無しさん

2011/08/18(木) 13:05:39.65

>>933
> >> リファの580をオーバークロックしてCUDAのプログラムを走らせると、
> 問題はここじゃね～のか？普通の頭はそう考えると思うぞ

もちろんそうなんだけど、意外にOCの許容範囲が低いなあという印象だったもんで…

0935デフォルトの名無しさん

2011/08/18(木) 13:28:00.76

> NVIDIA: CUDAを保証しているのはVGAでは高度な信頼テストをしているうちのQuadroだけ(キリッ
これ間違いじゃねーの？
QuadroじゃなくてTeslaのみだったと思うが。

0936デフォルトの名無しさん

2011/08/18(木) 13:51:17.78

TeslaはVGAじゃないからねぇ。

0937デフォルトの名無しさん

2011/08/18(木) 14:45:44.00

それにTeslaも今はVGA端子付いてるじゃん。

0938デフォルトの名無しさん

2011/08/19(金) 00:43:52.72

某大手PCショップの営業は、うちはGeForceでもCUDA保証します、
町のPCショップとかで買わない方がいいですよとか言っていた
おめーてきとーいってんじゃねえよとぶち切れそうになった

0939デフォルトの名無しさん

2011/08/19(金) 00:59:54.03

ELSAのQuadroでも保証しないのにgeforceで保証されるはずないよな

0940デフォルトの名無しさん

2011/08/19(金) 01:00:44.31

ARM，オリジナルGPUコア「Mali」をアピール。統合型シェーダ搭載の「Mali-T604」を搭載した端末は来年後半の登場へ
ttp://www.4gamer.net/games/137/G013737/20110725062/

0941デフォルトの名無しさん

2011/08/20(土) 15:47:24.08

Quadroの信頼性テストってなにやってんの？
動作保証温度とかのテスト結果見れるんなら欲しいのだが。

0942デフォルトの名無しさん

2011/08/20(土) 16:12:43.09

>>941
geforceよりは厳しいテストをしてますってだけで
そういうデータは公表されてない。

0943デフォルトの名無しさん

2011/08/20(土) 16:15:20.28

>>938
エラーが出たら無償交換すると言ってるだけでないの？
何がまずいのかさっぱりわからん。

0944デフォルトの名無しさん

2011/08/20(土) 17:44:19.42

>>943
「CUDA保証します」っていったらCUDAで計算ミスがでて損害が出ても
保証しますって風にも取れるからでしょ。

0945デフォルトの名無しさん

2011/08/20(土) 18:23:35.34

質問です。
(1) カーネルルーチンのコードって実行中はどのメモリに置かれているのですか。
　　グローバルメモリでないとしたら、サイズ制限が知りたい。
　　グローバルメモリなら多分命令キャッシュがあると思うので、そのサイズを知りたい。
(2) コンスタントメモリは（一旦コンスタントキャッシュに読み込んでしまえば）
　　シェアードメモリみたいなバンクコンフリクト無しでかつシェアードメモリ並に低レイテンシなのでしょうか。
(3) あるWarpでシェアードメモリに読み込んだデータは、同一SMの次のWarpで参照できる？
(3) 自スレッドがどのSMで実行されているのか知る方法は？

0946デフォルトの名無しさん

2011/08/20(土) 19:07:38.14

なんでVGAってMTBFや動作温度範囲公表しないんだろ

0947デフォルトの名無しさん

2011/08/20(土) 22:20:49.99

>>945
(1)と(2)はわからんが(3)はどっちも無理だろうな
次のWarpで参照しようにも次のWarpがどれなのかはスケジューラが毎回適当に振るんだから意味がないでしょ

0948デフォルトの名無しさん

2011/08/20(土) 22:53:29.20

>>945
(1)何がしたいのか分かりませんが、昔は2M命令という制限があった。よほどのことがない限りは
これを越えないと思います。
(2)低レイテンシですが、バンクが１個しかないので各スレッドが異なるアドレスにアクセスすると
バンクコンフリクト状態になります。
(3.1)質問の意味が分かりません。シェアードメモリを介したデータの受け渡しで反映されるまでの
タイミングに関することでしょうか？そのタイミングを気にする必要がある＝__syncthreads()を
入れていない状態と思いますが、あるWarpがシェアードメモリへの書き込みを行い、次にある他の
Warpがシェアードメモリからデータを読み込んだ場合、更新後のデータを受け取れる可能性は
ほぼ０でしょう。
(3.2)%smidという特殊レジスタによって自分がどのSMで実行されているかが分かります。
このレジスタを参照する方法はSDKにあるinlinePTXを参照してください。laneidをsmidに変更するだけです。

0949945

2011/08/21(日) 10:35:01.97

>>947 >>948
レス㌧クスだいたい了解
項番ミス失礼。(3.1)は、次の2つの可能性を問うものだったのです
1. コンスタントキャッシュが遅い場合の代替手段。定数はSM別 -- これは、スレッド別定数でなければコンスタントキャッシュでおk理解
2. Warpダイバージェンス対策としてのWarp中断 -- これは誤解だった感じ。できたとしても中断しない場合と同速と思われる。

0950945

2011/08/21(日) 10:42:18.54

まあ調べたらシェアードメモリ内容の永続期間は同一TB内しか保証されない仕様っぽいので
SM別に処理を分けるはアーキテクチャーを活かした良い方法とは言えませんけども
（TB内のスレッドがどのSMに割り当てられるかは>947の通り予測し難い）

0951デフォルトの名無しさん

2011/08/21(日) 12:42:06.49

>>949の2.はまだ良く分かりませんが、

>>950の方のTB間のシェアードメモリデータの再利用は一応可能です。（Fermiより前は知りませんが）
しかし保証されていませんし、大して速くならないので使わない方が良いと思います。

0952デフォルトの名無しさん

2011/08/21(日) 12:53:46.00

>>944
PC関係の製品で計算結果の保証なんてどこもやってないじゃん。
HPやDELLやNECの数百万円の鯖を買っても「保証」は無償修理もしくは交換のこと。

つーか、GeforceでCUDA稼働保証があるというその大手ショップの名前を是非教えてほしい。
会社のマシンに試験用に一つ入れたいが、Teslaじゃ稟議が通らない。

0953デフォルトの名無しさん

2011/08/21(日) 12:58:46.13

>>952
営業の口八丁、もしくは個別契約の餌だろうから聞いても無駄じゃね？
宮崎大みたいに数百とか導入予定なら交換対応してもペイするかもしれんが
1個だけとかじゃそんな話でないでしょ。

0954デフォルトの名無しさん

2011/08/21(日) 13:35:28.11

>>953
>>938が、そんなでかい金の決定権がある人間のレスに見えるかね？

0955デフォルトの名無しさん

2011/08/21(日) 13:45:08.72

どちらにしろ1個とか少数でも保証してくれるところはないと思うけどね。
というか数百だろうがgeforceでCUDAの演算結果保証してくれるところなんてないと思う。
あるならホント知りたいもんだわ

0956デフォルトの名無しさん

2011/08/21(日) 14:01:06.87

　　　　　　　　　　　,,,,wwwwWwWム,,,
　　　　　　　　　　ミ川ミミ川三ミ川ミミ
　　　　　　　　　　ミ ,.--"゛~~~~''´゛゛゛ミ
　　　　　　　　　　ミ川　　　＿　　　＿ l.
　　　　　　　　　　ミ川　 -´==(｀r__i ｪl ｀r
　　　　　　　　　　ミ川￣￣'､＿,r'　丶Lﾉ
　　　　　　　　　　ミ川　　　　 /(　 __）） |
　　　　　　　　　ミ川　　　　ｒ―''"入　|
　　　　　　　　　｜i　　　　廷廾ﾆツｊ
　　　　　　　　　　　|ー､＿＿＿＿,.ノ
　　▂▃▃▃▂　　ヽ∧∧∧ 　　　　/
. 　██████＜角刈り！＞　／
　 ███ け ,fj　/ ∨∨V ヽ　／
　　｀█､"ヮノ　　　　 |　　／
　 /⌒ヽヾ'ﾘ、　　　　 |　/
.　{ 　　j｀ｰ' ﾊ　　　//　ヽ∧∧∧∧∧∧∨/
　ｋ～'ｌ　　ﾚﾍ. 　 ,r'ス　＜ソイヤ！ソイヤ！＞
　 |　ヽ＼　ト､ヽ-kヾｿ　＜　角刈りソイヤ！＞
.　 l　　＼｀ｰ‐ゝ-〈/´　　　/ ∨∨∨∨∨∨ヽ

0957デフォルトの名無しさん

2011/08/21(日) 16:51:38.56

長崎大のセンセによれば、GeforceのCUDA使用時の不良率は2割弱。
不良の検証を客に押しつけられるなら、理論上は2割増しの値段で売れば動作保証は可能だ。

0958デフォルトの名無しさん

2011/08/21(日) 16:58:50.99

CUDA使用時の不良率ってどう言う事よ？
プログラムの実行結果は間違ってるけれど、エラーにはならずに正常終了した風に終わるってこと？

0959デフォルトの名無しさん

2011/08/21(日) 17:03:46.29

そんなとこ

0960デフォルトの名無しさん

2011/08/21(日) 17:45:34.55

本当にか。
なんか、計算機の根幹を揺るがすような話だなw

0961デフォルトの名無しさん

2011/08/21(日) 18:03:08.29

どんだけずれるのかにもよるな

0962デフォルトの名無しさん

2011/08/21(日) 18:13:58.58

元々ゲームとかのポリゴン計算するためのものだから
多少結果が変でも問題ないからとかなんとか。

0963デフォルトの名無しさん

2011/08/21(日) 18:19:25.02

画像処理で1frameのどこかの1dotがまれに色が違っていても誰も気がつかないからね。

長崎大のセンセのプレゼン資料はこれね。
http://www.ssken.gr.jp/MAINSITE/activity/sectionmeeting/sci/2009-2/lecture-1/ppt.pdf

・Geforce GTX295を421枚買ったら、うち72枚が壊れていた。
・壊れていたうち31枚を買い足して、380枚使ってスパコンを作った。

0964デフォルトの名無しさん

2011/08/21(日) 18:31:20.49

やっぱりなｗ CUDAで負荷かけるととたんに計算結果がおかしくなったりするんだよな。
CPU例外が起きておかしいなと思ったら、CUDAからのデータが化けてたとかあったわ。

0965デフォルトの名無しさん

2011/08/21(日) 18:36:48.43

>>964
今頃「やっぱりな」とか寝ぼけたことを言っているやつの場合、
そいつの書いたプログラムがバグっている可能性の方がはるかに高いね。

0966デフォルトの名無しさん

2011/08/21(日) 18:37:41.87

>>963
コカコーラそんなに飲んで大丈夫？（48/54)

0967デフォルトの名無しさん

2011/08/21(日) 18:42:26.76

>>964
Geforce?それともQuadroやTesla？
GeforceのOCモデルはエラーになるの有名だけど
もしかしてTeslaがクロック落としてるのはそういう側面があるのかな？

0968デフォルトの名無しさん

2011/08/21(日) 18:46:11.00

負荷かけるとってことは、熱的な事情か。一般人向けの使用上はエンコード・デコードを想定して問題が事実上は無いとは言え、酷い話だなww
しかも、421枚の72枚ってかなりの割合じゃん

0969デフォルトの名無しさん

2011/08/21(日) 18:49:28.08

>>965
馬鹿だろお前ｗ GTX 580をOCしたらエラーが出たんだよ。

>>967
そうそう、GeForceだよ。紛らわしいから開発中はOCを切るようにしてるよ。

0970デフォルトの名無しさん

2011/08/21(日) 18:50:31.57

>>968
> 負荷かけるとってことは、熱的な事情か。一般人向けの使用上はエンコード・デコードを想定して問題が事実上は無いとは言え、酷い話だなww
> しかも、421枚の72枚ってかなりの割合じゃん

グローバルメモリへのアクセスを増やしたらエラーが出やすくなったりとか、
結構いい加減だよ。

0971デフォルトの名無しさん

2011/08/21(日) 18:51:02.90

>>963
しかしまあ、こんなことに$414kも税金投じたのか

0972デフォルトの名無しさん

2011/08/21(日) 18:53:20.62

>>970
なるほど、そんな感覚なのか。

プログラム実行で誤ったら暴走だけど、ひたすら多量のデータを算出するだけだから、
間違いの程度問題で、手放し運転も一つの割り切りって考え方なのかね。

0973デフォルトの名無しさん

2011/08/21(日) 18:56:13.90

>>948
コンスタントメモリでキャッシュされているからと安心してしまい、
バンクコンフリクト状態というのは意外とはまりそうですね。

>>963
39ページ目、そんな挿し方で冷却大丈夫か、と心配になります。

0974デフォルトの名無しさん

2011/08/21(日) 18:58:22.24

俺はマザーとスチールラックのクリアランスのほうが心配だわ

0975デフォルトの名無しさん

2011/08/21(日) 19:11:57.51

>>973
各スレッドが異なる～
なんてことあるの？

0976デフォルトの名無しさん

2011/08/21(日) 19:32:57.25

>>975
記述することは一応可能。

__constant__ int table[] = {0, 16, 8, 24, ...... };
.....
int k;
.....
k += table[threadIdx.x & 0x1f];

0977デフォルトの名無しさん

2011/08/22(月) 01:06:53.21

>>971
いやたったそれだけですんだってゴードンベル賞もらってたんだが

0978デフォルトの名無しさん

2011/08/22(月) 02:32:29.33

「京」の存在意義が‥‥。やっぱり仕分けされたほうがよかったんじゃない？

0979デフォルトの名無しさん

2011/08/22(月) 05:47:31.89

コスト的に割りに合ってなくても、いざとなれば自前で作れますよってアピールは大事なのよ
無策でのほほんとしてると戦闘機や放射能汚染水処理施設みたいに足元見られてぼったくられることになる
アラブみたいに札束が地下から湧いてくる国ならいいけど、日本はそうじゃないから

0980デフォルトの名無しさん

2011/08/22(月) 15:29:33.90

不良率72/421って多数決を組んでも3者多数決なら7％にしか抑えられないよね
かといって自分で検証プログラムを組んでもどこまでのチェックでいいなのかよくわからないんだよなぁ
（そもそも自分の要求がどのくらいのオーダーであるかを自覚していないというのもあるんだけど…）

長崎大の不良検出プログラムってどういうことをして調べてるんだろう
演算命令を網羅するようになっているんだろうか。

0981デフォルトの名無しさん

2011/08/22(月) 17:02:01.89

そのマシンで主に計算させる予定の分野の、正答が分かっている高負荷な問題を実際に計算させて、
正答と比較するだけじゃないの？パラメータを変更して何度かやれば大体引っかかると思うが。

0982デフォルトの名無しさん

2011/08/22(月) 17:52:06.65

ビザンチン将軍問題

0983デフォルトの名無しさん

2011/08/22(月) 19:49:05.45

>>952
すまんが、自作やったことある人なら誰でも知っているところ、としか。
具体的な連絡先まで晒してしまってもかまわんのだが、連絡するだけ時間の無駄だと思う。
契約取りたいがために適当言っているだけだろうから、本気にするような話じゃ…。

0984デフォルトの名無しさん

2011/08/22(月) 19:53:55.49

自作パーツ、CUDAとくればドスパラか…

0985デフォルトの名無しさん

2011/08/22(月) 20:23:58.48

>>980
3者多数決はそもそもエラー検知をする為のものじゃないから仕方ないよね

0986デフォルトの名無しさん

2011/08/23(火) 02:43:59.97

プラットホーム、とか‥‥

0987デフォルトの名無しさん

2011/08/23(火) 02:54:01.89

>>983
じゃあたぶん、うちの会社にも営業に来てるとこだね。ちょっとは取引もある。

上でも書いたが、多少値段割増しで交換保証してくれればそれで良いんだよ。

>>980
そういや、不良検出プログラムを公開するとあのセンセ言ってたような。
どうなってるんだろ？

0988デフォルトの名無しさん

2011/08/23(火) 21:11:12.54

大学なのになんで公開してくれないの？税金使ってるんでしょ。＼わけわかんないよ／

0989デフォルトの名無しさん

2011/08/23(火) 21:17:51.79

どっかの企業から金貰って研究やってると、権利が絡む問題は企業有利な契約になっていることが多い。

0990デフォルトの名無しさん

2011/08/23(火) 21:44:37.80

そういうことか。たくさんあるcudaのボードも寄付してもらったのかな。

0991デフォルトの名無しさん

2011/08/23(火) 22:02:15.22

あるいは、件の発表の後にでかい企業スポンサーがついてそこの意向とかね。

0992デフォルトの名無しさん

2011/08/23(火) 22:04:56.42

次スレ立てるわ

0993デフォルトの名無しさん

2011/08/23(火) 22:12:58.26

【GPGPU】くだすれCUDAスレ part5【NVIDIA】
ttp://hibari.2ch.net/test/read.cgi/tech/1314104886/

0994デフォルトの名無しさん

2011/08/24(水) 00:27:14.54

>988
論文には出してるんじゃあるまいか？チェックしてないからほんとに出てるかは分からんが。
不良で一括りにされてるけど、どんな不良内容なのかわからない。このあたりも論文出てるんだろうか？

0995やんやん ◆yanyan72E.

2011/08/24(水) 04:58:14.98

あれこれ憶測するよりも、メールして聞いてみればいい。
サポートするつもりがないから公開しないってだけかも。

0996デフォルトの名無しさん

2011/08/24(水) 11:24:13.01

くそこてﾀﾋね

0997デフォルトの名無しさん

2011/08/25(木) 00:23:18.60

埋め

0998デフォルトの名無しさん

2011/08/25(木) 00:33:53.15

うめ

0999デフォルトの名無しさん

2011/08/25(木) 00:35:35.69

うめ

1000デフォルトの名無しさん

2011/08/25(木) 00:36:32.87

CUDA

1001１００１

Over 1000Thread

このスレッドは１０００を超えました。
もう書けないので、新しいスレッドを立ててくださいです。。。

レス数が1000を超えています。これ以上書き込みはできません。