Свежие комментарии

Низкоконтрастные детали гораздо интереснее.

да, иногда разница между конверторами может быть большой.

кому интересно положение дел по Canon читаем http://www.dpreview.com/reviews/canoneos40d/page17.asp

Да, получил сегодня еще одно письмо от 1-го ноября....
10 дней задержки - совсем хорошо.

резкость мелкодеталей помимо всего зависит от параметров исправления/подавления ХА, хотя навреное ты это и так знаешь.

По моим наблюдениями, оптимальная передача фактуры волос и передача фактуры ткани требует как минимум разных настроек конвертора.

Да вот я тоже удивляюсь.

Сегодня пришло письмо за 2-е ноября.

Нет, я все умею, я если жду письма - я пойду в веб-интерфейс и там почитаю. Но я не все жду.

У CUDA есть разделяемая (внутри мультипроцессора) память, отчего всякие вещи ее требующие можно программировать куда человечнее.

Туда, например, можно писать и сразу читать (в отличие от текстур).

Это 11 гигафлопсов на ядро или на процессор ?

Материться не хочется, но надо просто взрывать им мозг :) Ктомуже как они часто отвечают, основные задержки из-за работы нашей, Российской таможни

Их бессмысленно сравнивать впрямую. ATI - это Stream computing в чистом виде (ну, multiple rendering target позволяет чуть-чуть улучшить). Т.е. все локальные переменные в регистрах или в текстурах (а текстуры RO).

CUDA - это все-таки полноценный процессор с read-write. Да, там не без тараканов (конфликты на банках shared memory, а из глобальной надо читать-писать дофига, иначе на два порядка медленее чем можно), но парадигма гораздо человечнее. А тараканы - крайне аккуратно документированы (хотя и странные).

Конечно, это имеет значение, только если самому там программировать. Если есть, скажем BLAS или FFT, а программа пользуется стандартным интерфейсом, то жизнь проще. Но BLAS для ATI по-моему нету...

В результате, кстати, RapidMind-овская реализация уже достигла предела т.к. там блок 4x4, а CuBLAS, как мне кажется, еще можно дальше оптимизировать.
Реализации, которые >~140GFlops на sgemm получают уже есть.

>>Для Xeon 3.4 GHz (т.е. это старый и уверенно можно сказать, что SSE2) - примерно так же.

Это совсем другие корнеплоды... К сожалению там сейчас вовсю идет подготовка к SC'07 и поэтому поубирали все сколь-нибудь новые сабмишны.
Для вудкреста пик 12Гфлопс, реально бывает проскакивает 11, в среднем 10.5Гфлопс в однопоточном режиме и 9.5 в многопточном.

После 12 ноября все вернется на свои места - можно будет проверить мое высказывание.

Простейшая задача кластеризации небольшого количества небольших текстов - сведется именно к попарному перемножению векторов (результат будет симметричным т.к. по сути умножаем матрицу на себя же транспонированную).

Понятно, что чем больше текстов, тем оно разреженнее, но до некоторого предела выгоднее будет перемножать как dense.

На самом деле, как только оно стало всерьез разреженным, нужно вырезать плотные куски и перемножать их.

Мне в прошлой жизни приходилось равновесие химическое считать, там матрицы размером от полусотни до нескольких сотен (зато этих систем были сотни тысяч).

я и не спорю, для умножения плотных матриц GPU эффективнее.
Conroe в x64 возможно дойдёт до 6-6.5 sFLOP/c, Penryn за счёт оптимизированного Shuffle до 7.
к сожалению, перемножение больших квадратных матриц очень тупая задача и используется, в основном, лишь в бенчмарках. в реальных приложениях, если и есть перемножение матриц, то относительно маленьких (8x8, 16x16) или же матрицы очень неквадратные.

где бы ещё взять 2900XT бесплатно :-)

У меня нету.

Но RapidMind-овский девелоперский кит можно брать у них с сайта совершенно
бесплатно и там же брать тест для sgemm.