Hallo, Heute zeige ich Ihnen einige Messergebnisse für meine Doktorarbeit. Ich arbeite an der ersten Veröffentlichung über DarkNet auf OpenCL. Den Quellcode dieses Projekts finden Sie unter https://github.com/sowson/darknet. Die IEEE-Publikation muss konsistent und intelligent sein. Ich kann nicht zu viele Grafiken und große Tabellen aufstellen, aber ich habe eine öffentliche Blogseite. Also, Ich kann es hier posten. Das wichtigste zuerst, Die Kampfhelden kommen auf die Bühne.
Meine Workstation verwendet 2x NVIDIA Titan RTX 24 GB DDR6 oder 2x XFX AMD Radeon VII 16 GB HBM2, und im Grunde auf dem Ubuntu 18.04 Ich habe die Messungen durchgeführt. Erste, Ich möchte Ihnen eine Schabracke der Backpropagation zeigen, Teil des Ausbildungsprozesses. Um ehrlich zu sein, Ich habe die Community mehrmals gebeten, die Leistung zu messen und OpenCL-Versionen zu vergleichen. Es geschah nicht, Deshalb habe ich beschlossen, in GPUs von AMD zu investieren und den Vergleich selbst durchzuführen. Jetzt zeige ich Ihnen den erwähnten Zeitvergleich des Backpropagation-Teils.
Lassen Sie mich Ihnen nun nur die letzte Backpropagation-Faltungsschicht zeigen, aber mit allen Subkerneln im Inneren, um Ihnen die Möglichkeit zu geben, die beste GPU für DarkNet unter OpenCL auszuwählen.
Schönes Ergebnis des AMD-Rechts? Aber nur mit CLBlast statt clBLAS. Es sieht so aus, als ob AMD diese grundlegenden Subsysteme der linearen Algebra reparieren muss. Ansonsten, es macht keinen Sinn, es zu benutzen. Als Letztes möchte ich erwähnen, dass ich die Top-Mainstream-GPUs von NVidia und AMD vergleiche, und AMD, Ich glaube dank HBM2 VRAM, funktioniert super schön.
Bezüglich der IEEE-Veröffentlichung, ich arbeite daran; Es wird eine schöne Geschichte über die Reise von DarkNet auf OpenCL geben, viele Standpunkte, Messungen, Ergebnisse, Schlussfolgerungen, und mehr, Also bleibt gespannt. Danke fürs Lesen!
P ;).
Es ist das Beste, was ich mit dem Talent, das ich hatte, gemacht habe…