我正在考虑购买一张 GPU 卡来在 Julia 中试验 GPU 计算。正如我现在所看到的，基本上有两种选择：NVIDIA 或 AMD 芯片组。
我的问题是：是否有与 Julia 一起使用的推荐选项？由于我是 GPU 计算的新手，我更关注易用性而不是性能，所以我可以想象当前用作 GPU 接口的 Julia 包基本上决定了答案。
我使用基于 Windows 7 的系统。任何帮助表示赞赏。
问问题
1454 次
1 回答
10
几点：
1) ArrayFire 是一个非常易于使用的 GPU 平台，带有 Julia 接口 ( https://github.com/JuliaGPU/ArrayFire.jl )。它适用于 NVIDIA 和 AMD GPU。
2) 如果您想要超越 ArrayFire 中的内容，那么通常可以通过 NVIDIA 专有的 CUDA C 语言对 NVIDIA 卡提供更多支持。您可以在此处查看 Julia 的所有 GPU 包的列表。正如您将看到的，其中更多用于 CUDA，而不是用于 OpenCL，后者是用于编写可在 NVIDIA 或 AMD 上运行的内核的 C 版本。但是，要知道，如果你走这条路，你需要开始用 C 编写你自己的内核。
在我看来，CUDA C 具有一些方便的自动化功能，可以自动以有效的方式处理在内核之间分配工作的某些方面。CUDA C 似乎更普遍地用于科学计算。
但是，我认为在开放式 CL 中没有什么是不能完成的，而且学习如何用它来做事可能并不太难。此外，OpenCL 还具有适用于 GPU 以外的各种高性能平台的优势（例如，在 Intel 的 Xeon Phi 上编程）。
3）您应该注意是否需要以单精度或双精度进行浮点运算。从任一制造商处选择 GPU 时，这会产生很大的不同。例如，NVIDIA 有一些专门设计用于执行双精度运算的 GPU（主要是 Tesla 系列，也有 Titan Black）。如果您选择除此以外的 NVIDIA GPU，则双精度性能将是单精度性能的 1/32。AMD 芯片往往不太专业，在单精度和双精度之间表现得更相似。我认为在某些用例中 NVIDIA 卡会更有价值，而在其他用例中 AMD 会更具成本效益。
4) GPU 可能会变得非常昂贵（尽管在 Ebay 等上经常有相当不错的使用选项）。他们的快乐在于他们可以在比 CPU 快几个数量级的时间内完成（某些）计算。但是，要获得这种优势，您通常至少要花费数千美元（特别是如果您需要购买新系统来支持强大的 GPU，因为许多基本的消费级计算机根本不支持它们）出色地）。如果可能的话，首先做一些试验工作以确定你需要什么确实对你有利。例如，NVIDIA 有一个测试程序，您可以在这里申请. 我从来没有使用过它，所以我不能说太多。AMD可能有类似的东西。或者，如果您隶属于具有可用 GPU 的公司或研究机构，或者如果您有朋友让您通过 ssh 连接到他们的计算机并试用它们，那么这可能有助于提前确定您需要什么时间。
5) 在查看不同的卡时，您不仅要特别注意它们每美元提供多少次失败（在您所需的精度级别），还要注意您需要多少 GPU 内存，以及潜在的问题它们支持多个 GPU 之间以及 GPU 和 CPU 之间的通信的效率如何。据我所知，这些 GPU-GPU 和 CPU-CPU 计算的黄金标准是新的 NVIDIA P100 卡。这是超级、超级昂贵的，而且现在只能作为从 NVIDIA 购买的 10 万美元以上系统（其中有 8 个）的一部分提供。到今年年底，P100 应该可以从其他制造商处获得。他们可以在 CPU 和 GPU 之间的传输速度方面做出令人难以置信的事情，但要为此付出高昂的代价，如果你愿意，他们将无法证明这个价格是合理的。
于 2016-07-06T17:05:46.127 回答