【GPGPU】くだすれCUDAスレ part5【NVIDIA】

1 ：デフォルトの名無しさん：2011/08/23(火) 22:08:06.09

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
ttp://developer.nvidia.com/category/zone/cuda-zone

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

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

2 ：デフォルトの名無しさん：2011/08/23(火) 22:11:49.24

関連サイト
CUDA
http://www.nvidia.co.jp/object/cuda_home_new_jp.html

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/

3 ：デフォルトの名無しさん：2011/08/23(火) 22:12:38.55

宣伝になっちゃうと難なので、一応分けて。いろいろ載っているサイト。

ttp://www.softek.co.jp/SPG/Pgi/TIPS/para_guide.html

4 ：デフォルトの名無しさん：2011/08/23(火) 22:26:00.72

おい、pertだろ
まちがえんな

5 ：デフォルトの名無しさん：2011/08/23(火) 22:48:26.89

>>2
個人blogのは情報古すぎなような…
「cudaさわってみた」はリンク切れだし。

6 ：デフォルトの名無しさん：2011/08/25(木) 19:36:34.86

>>4
やっぱりCUDAやってる人は荒んでるんだな

7 ：デフォルトの名無しさん：2011/08/26(金) 07:04:46.69

ほんとCUDAらないことで騒ぐよな

8 ：忍法帖【Lv=40,xxxPT】：2011/08/26(金) 14:04:14.48

ケンカするのはやめてCUDAさい＞＜

9 ：デフォルトの名無しさん：2011/08/26(金) 20:59:54.29

そうだよ。喧嘩はやめ…GeForんｹﾞﾌｫﾝ

10 ：デフォルトの名無しさん：2011/08/26(金) 21:57:35.41

まだスレが始まっTeslaいないのに

11 ：デフォルトの名無しさん：2011/08/27(土) 00:03:43.41

ときに口論になるのもみんな自分の技術にそれだKeplerイドを持ってるってことだ。

12 ：デフォルトの名無しさん：2011/08/27(土) 00:09:15.96

amazon.comで検索して出てくるCUDA本ってことごとく出版がずいぶん先か延期になったりするな
なんでだろ

13 ：デフォルトの名無しさん：2011/08/27(土) 21:26:38.44

無効とは情報の登録ポリシーが違う…ような気がする。
それがAmazonのポリシーなのか出版社のポリシーなのかは知らないけれど。

多分出版社のサイト直接見た方が正確。

14 ：デフォルトの名無しさん：2011/08/27(土) 23:28:49.51

cudaの本が必要、って訳でも無いが出版されるなら買ってしまうと思う

15 ：デフォルトの名無しさん：2011/08/31(水) 20:00:08.40

4.0になってdeviceemuが使えんのだが、CUDA載せてないPCで動かす方法ない？

16 ：デフォルトの名無しさん：2011/09/01(木) 07:46:58.96

3.2を使う。

17 ：デフォルトの名無しさん：2011/09/01(木) 09:05:53.29

>>16 アホしかおらんのか

18 ：デフォルトの名無しさん：2011/09/01(木) 09:16:16.30

>>17
現実的じゃないか。どうせemuで正確なエミュレーションができるわけじゃないし。

19 ：デフォルトの名無しさん：2011/09/01(木) 09:25:26.25

>>17
4.0でdeviceemu使う方法なんてねーよ、ってことだよ。
言わせんな恥ずかしい

20 ：デフォルトの名無しさん：2011/09/01(木) 10:02:13.87

>>15
Cuda x86

21 ：デフォルトの名無しさん：2011/09/01(木) 15:33:21.69

理屈の上ではKnights Ferryでも動かせるのかな？

22 ：デフォルトの名無しさん：2011/09/01(木) 15:39:30.39

ubuntu 11.04 tesla c2050 cuda sdk 4.0の環境でdoubleのアトミック演算が正しく動作しません
オプションは -arch=compute_20を指定してます。

本家のプログラミングガイドに書いてある、以下のコードを実行してます。
__device__ double atomicAdd(double* address, double val)
{
unsigned long long int* address_as_ull
　　　　　　　　　　　　　　　　　　= (unsigned long long int*)address;
unsigned long long int old = *address_as_ull, assumed;
do {
assumed = old;
old = atomicCAS(address_as_ull, assumed,
　　　　　　　　　　　　　__double_as_longlong(val + __longlong_as_double(assumed)));
} while (assumed != old);
return __longlong_as_double(old);
}

引数のadrees*には共有メモリのアドレスを渡してます。
一つのスレッドのみが共有メモリにアクセスする場合は正しく加算は行われますが、二つ以上のスレッドが衝突する場合は
正しく動作しません。printfで見てみたら、二つ目のスレッドがループを抜けれずに何度も共有メモリの値に
加算しているようでした。上の文をdouble→float,long long →　int　に書き換えた場合は正しく動作しました。
また、atomicCASのところを二つのprintf、
printf("%d %f %f\n",threadIdx.x,__longlong_as_double(assumed) ,__longlong_as_double(old));
ではさむとなぜか正しくループを抜け、正しくsharedメモリに値を書き込みます。

原因がわかる方、教えていただけないでしょうか。

23 ：デフォルトの名無しさん：2011/09/01(木) 17:40:47.67

>>22の続きです
assumed oldの値をcpu側に持ってきて表示してみたら、
oldの値(atomicCASの返す値)とassumedの値が末尾の数ビットが
異なってました。50回ほどループしてやっとビットレベルで値が一致して
ループを抜けているようでした。その間に過剰に加算が行われていたようです。

24 ：デフォルトの名無しさん：2011/09/01(木) 18:47:40.63

カードの計算が正しいかチェックするベンチマークってありませんか？

四則演算と√と三角関数とかを全ビットを演算器全部チェックしろと云う無茶ぶりがきた。

計算機が計算を間違うなんてありえないのに…

25 ：デフォルトの名無しさん：2011/09/01(木) 19:11:55.88

Teslaの存在意義全否定デスカ

26 ：デフォルトの名無しさん：2011/09/01(木) 19:34:24.88

>>24
過去スレを読むとわかってもらえると思うが、みんなそれを求めているんだ。
そのチェックにおける最先端はおそらく長崎大学。

27 ：デフォルトの名無しさん：2011/09/01(木) 19:41:57.01

1スレッドの実行がどのコアかがわかる仕組みがどのような方法か分かればいいわけだよな
誰か調べてみろよ

28 ：デフォルトの名無しさん：2011/09/01(木) 23:41:13.82

>>22,23
もしかしてブロック辺りのスレッド数が32以下なら動いたりする？

29 ：デフォルトの名無しさん：2011/09/01(木) 23:44:25.02

>>27
何がしたいのか分からんがそれは簡単だ。

30 ：デフォルトの名無しさん：2011/09/01(木) 23:56:07.27

>>29
コアと計算結果の表が出来上がればコア間の相違が分かるじゃん
やり方知ってるなら教えてください

31 ：デフォルトの名無しさん：2011/09/01(木) 23:58:10.21

煽っても教えてやらん
29じゃないけどｗ

32 ：デフォルトの名無しさん：2011/09/02(金) 02:12:08.96

NvidiaのCUDAをやろうと思い、Nvidiaのカードの刺さったマシンにFedoraを
入れてCUDAのためのNvidiaのドライバを入れて使ってみたが、OSのカーネル
のアップデートがあるたびに、コンソールが再起動時にブラックアウトした。
そのたびごとに、別のマシンからリモートログインをしてCUDAのための
Nvidiaのドライバを再インストールする必要があった。
CUDA3.xまではそれでなんとかなったが、現在のCUDA4.0になると、
幾らやっても駄目になってしまった。どうやらFedora15ではまともに
サポートされていないようなのだ。Nvidiaの提供しているCUDAのための
ドライバがインストール時におかしなメッセージが出てインストールが
出来ない。

33 ：デフォルトの名無しさん：2011/09/02(金) 02:29:09.05

ここはおまえの日記帳だから好きに使いなさい

34 ：デフォルトの名無しさん：2011/09/02(金) 11:08:38.52

>>28
ブロックあたりのスレッド数を32以下にして試してみましたが、
結果は変わらなかったです。

35 ：デフォルトの名無しさん：2011/09/02(金) 18:20:08.65

>>23
とりあえず、プログラミングガイドのコードそのままだし、
実際アルゴリズム自体には問題ないから、
意図どおり動かないとしたら、ドライバかSDKのバグか
ハードの故障じゃね。
まあ、ここで詳細なバージョンとか晒してみたり、
PTXやアセンブリを貼ってみるのもいいけど、
本家のフォーラムで聞いてみたほうが早いんじゃね。

36 ：デフォルトの名無しさん：2011/09/05(月) 23:02:56.52

長崎大の言う演算間違えって、具体的にどういう演算を間違えたのかの情報ってないの？
間違えますって情報だけ垂れ流して具体例出さんって、どういうことなんだべ。

37 ：デフォルトの名無しさん：2011/09/05(月) 23:24:45.84

×演算間違え
○演算間違い

38 ：デフォルトの名無しさん：2011/09/07(水) 18:20:00.85

CUDAを使用するプログラムで巨大なデータを扱いたいのですが、nvcc でのコンパイル時に
relocation truncated to fit: R_X86_64_32S against `.bss'
とエラーが出て完了しません。gcc ではデータ量制限を解除するのに-mcmodel=medium というオプションがあるようですが、nvcc でこれにあたるものはないでしょうか。

39 ：デフォルトの名無しさん：2011/09/07(水) 19:43:00.72

巨大データってどれくらい？
CUDAは基本グローバルメモリ使用の制約があるから”巨大”は決して得意ではないのだけど

40 ：38：2011/09/07(水) 22:05:04.34

>>39
今確認したところ、要素が数十万個の配列を使用していて、それらの合計は200MBほどです。
そのうち、実際にGPUに計算させるためGPUに渡すデータは50MB程度です。
上記のエラーメッセージでググったところ、データ量制限が問題だろうということだったのですが…それほど大きなデータでもないですよね。
なんなんでしょうこのエラー。

プログラミングに関してはまだ知識が浅いためチンプンカンプンなこと言ってたらすみません。

41 ：デフォルトの名無しさん：2011/09/07(水) 22:36:52.16

どうせデータをソース中に書き込んでるんだろw

42 ：デフォルトの名無しさん：2011/09/07(水) 22:42:26.34

>37
日本語の間違えより、長崎大の言ってる間違いの詳しい情報くれよぅ…。

43 ：デフォルトの名無しさん：2011/09/07(水) 22:50:33.71

要素数が大きすぎるなら、mallocを使ってみたら？

44 ：デフォルトの名無しさん：2011/09/07(水) 23:04:45.67

>40
配列は何次元？
CやC++だと配列は連続したメモリ領域と規定されてるので、
確保可能なメモリ量は物理メモリの絶対量ではなく、
アドレスを連続で確保できるメモリ量に規定されるよ。

例えば大きめの２次元配列を確保する場合は
double* pBuf = new double[row * column];

とするより
double** ppBuf = new (double*)[row];
for(int i = 0; i< row; ++i){
　　　ppBuf[i] = new double[column];
}

とかにしたほうがいいよ。

45 ：デフォルトの名無しさん：2011/09/07(水) 23:11:07.95

ファイル読み込みで、cudaMallocHost(だったかな？？)でメモリ確保すればいいじゃん

46 ：38：2011/09/07(水) 23:11:33.99

>>43 >>44
gccと同様にオプションでエラー回避できないかな…と思ったのですが、配列の取り方を変えるほうが良さそうですね。
特に>>44は知りませんでした。
ありがとうございました！

47 ：デフォルトの名無しさん：2011/09/07(水) 23:23:20.08

良く分からんが、-Xcompiler -mcmodel=mediumじゃ駄目なん？
-Xlinkerも要るかもしれないが。

48 ：デフォルトの名無しさん：2011/09/08(木) 08:01:27.80

>>44
普通はありえない。そんなことしたら、ポインタアクセスが一回余計に要るから遅くなるし、
キャッシュアウトしやすくなるから更に遅くなる。
まぁ、GPUに転送するのは1スライス分だけだろうからGPUに任せてCPUは暇こいていられるならいいかも知れんが。

49 ：デフォルトの名無しさん：2011/09/08(木) 17:24:44.67

>>44
それは無い。
・メモリも無駄に消費
・アクセス性能がた落ち
・バグの温床になる

つーかC++ならvectorで初期化時に
サイズ指定したほうがいろいろ便利

50 ：デフォルトの名無しさん：2011/09/08(木) 17:40:17.98

配列でやる場合、
配列の添え字がINT_MAXを越える大きさならそうするしかないと思うが・・

51 ：デフォルトの名無しさん：2011/09/08(木) 20:47:04.41

キャッシャがアクセスがとドヤ顔されても・・・。
要素のデカイ配列が確保できんって話なわけだし。

52 ：デフォルトの名無しさん：2011/09/08(木) 22:19:09.58

コンパイル時の話なのに
ヒープのフラグメンテーションの訳無いだろう。
nvccからgccに自由にオプション渡すやり方は
知らんが、最悪c(++)部分のコードを分割して
gccでコンパイルすりゃ良い。

仮にヒープのフラグメンテーションが酷い場合でも
>>44みたいなやり方は下策だよ。
素人におかしなやり方を覚えさせるだけ。

大きな配列確保する前に小さな物についてShrink-to-fitやればデフラグされるから
その後巨大配列を確保すれば良い。

特にGPGPUで巨大な配列扱うような用途なら
配列の配列なんて転送も困るだろうに。

53 ：デフォルトの名無しさん：2011/09/08(木) 22:30:02.29

>大きな配列確保する前に小さな物についてShrink-to-fitやればデフラグされるから
>その後巨大配列を確保すれば良い。

コレ具体的にどんなコード書けばいいのん？

54 ：デフォルトの名無しさん：2011/09/09(金) 00:35:55.99

メインの計算に必要な必要な小容量配列
保持用のポインタなりvectorの変数だけ始めに
ヒープに確保した後、メインの計算前の前処理をする。
この処理で、一時的なデータと最終的に使うデータの
ヒープ確保が入り乱れる所為でフラグメンテーションが発生する。

最終的に使うデータについて、大体処理した順番を守って
ひたすら同容量確保してはコピーを繰り返せば、
こういうデータは全て前方に圧縮されて配置されるようになる。

55 ：デフォルトの名無しさん：2011/09/09(金) 21:48:41.98

？
まあスレ違いなんで他でやってよ。

56 ：デフォルトの名無しさん：2011/09/09(金) 22:24:20.88

kernelへの引数に構造体は使えんの？
今やってみたらコンパイルでエラーになった

57 ：デフォルトの名無しさん：2011/09/09(金) 22:30:19.36

あ、間違えてただ
構造体引数使えるべな

58 ：デフォルトの名無しさん：2011/09/14(水) 11:12:56.96

>>15
http://code.google.com/p/gpuocelot/
Ocelot currently allows CUDA programs to be executed on NVIDIA GPUs, AMD GPUs, and x86-CPUs at full speed without recompilation.

59 ：デフォルトの名無しさん：2011/09/15(木) 17:52:31.49

cuda4.0、gtx580で
Maximum dimension of a grid( 65535 , 65535 , 65535 )
ってなってるんですがz軸のブロックの取れる数は1じゃなくなったんですか？

60 ：デフォルトの名無しさん：2011/09/19(月) 22:05:37.25

デバイス上の処理が長時間になる場合、途中経過を取得する方法ってないかな？
例えば１００万回のモンテカルロを実行して、途中の１０万回、２０万回が済んだらその情報を取りたいんだけど…

61 ：デフォルトの名無しさん：2011/09/19(月) 22:31:31.07

>>60
streamingでできないかな?

62 ：デフォルトの名無しさん：2011/09/19(月) 22:52:18.06

streamingってなに？
SMのSじゃないよね？

63 ：デフォルトの名無しさん：2011/09/20(火) 05:00:39.03

カーネル呼び出し時の<<<>>>の第3引数がstreamingの何かじゃなかったっけ？
俺は>>61を見てそういうのがあったなと思い出したレベルなので使い方は知らないけど。

64 ：デフォルトの名無しさん：2011/09/20(火) 08:29:52.67

第3パラメータはsharedMemoryのサイズだよ。そこで指定しなくても使えるけど。

65 ：デフォルトの名無しさん：2011/09/21(水) 22:11:25.09

ごめん第4引数だったみたい。それとAsync系関数がうんたらかんたら。

66 ：デフォルトの名無しさん：2011/09/22(木) 00:50:42.07

あー、その辺だね。

67 ：デフォルトの名無しさん：2011/09/22(木) 18:05:24.11

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

すげえな

68 ：デフォルトの名無しさん：2011/09/23(金) 11:16:26.70

個人でCUDAプログラミングやってうれしいのはその程度なのか？
と逆に不安になるんだが…

69 ：やんやん ◆yanyan72E. ：2011/09/23(金) 11:35:33.50

世の中なんでも膨大なデータをいかに早く処理するかが勝負の世界に
なってきているから、CUDAプログラミングの旨味はいくらでもあるだろ。

70 ：デフォルトの名無しさん：2011/09/23(金) 12:04:06.11

いつかやってみようと思って半年くらいこのスレROMってるが
いまだに開発環境のセッティングの仕方すら調べていない・・・

71 ：デフォルトの名無しさん：2011/09/24(土) 00:02:19.96

>>68
>>67くらいのコード書ける？

72 ：デフォルトの名無しさん：2011/09/24(土) 15:28:34.26

>>71
おれがそれくらいのコード書けるようになるころには、自ずとましな使い道が浮かんでくることだろう、
っていうこと？

73 ：デフォルトの名無しさん：2011/10/02(日) 08:23:54.81

>>60
試してないけど、長い処理の途中でグローバルメモリに書き込んで、
別streamでその値を読むカーネルを起動すれば取れると思う。

キャッシュからグローバルメモリに書き込むのは特別な関数を
使うと思ったけど名前忘れた

74 ：デフォルトの名無しさん：2011/10/02(日) 09:01:54.77

>>73
思い出した。atomicを使うか、書き込む側で __threadfence()

75 ：デフォルトの名無しさん：2011/10/04(火) 20:59:53.36

失礼します、先輩方お助けを。
atomicを使ったソースを"-arch compute_20"オプションでコンパイルすると次のようなエラーが出てしまいます。

「'-arch' は、内部コマンドまたは外部コマンド、操作可能なプログラムまたはバッチファイルとして認識されていません。
C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\Microsoft.CppCommon.targets(103,5): error MSB3073: コマンド "-arch compute_20
error MSB3073: :VCEnd" はコード 9009 で終了しました。」

-archコマンドはプロパティからビルド前イベントのコマンドラインに追加してあります。
-archコマンドがあるディレクトリへパスが通ってないのかなと思うのですが、このようなコマンドがあるディレクトリの追加の方法がよくわかりません。

環境はcuda4.0 + VC2010 + teslac2070(cc2.0) + windows7 proです。
どなたかアドバイスください。

76 ：やんやん ◆yanyan72E. ：2011/10/04(火) 21:13:10.02

-archコマンドってなんだそら？
compute capabilityはnvccなりcl.exeのオプションに渡すものであって、
-archコマンドなんてものはないよ。

77 ：デフォルトの名無しさん：2011/10/04(火) 21:50:45.04

自分でオプションでって書いてるけど、メッセージはそれで実行した系だよな

78 ：デフォルトの名無しさん：2011/10/04(火) 23:16:18.47

>>76
>>77
ありがとうございます。「cuda by example」にもatomic関数を使ったソースには-archコマンドラインオプションを指定する必要があります。
とあるのですが、みなさんはatomicを使ったソースをコンパイルするときなにかコマンドつけませんか＞＜？

79 ：デフォルトの名無しさん：2011/10/04(火) 23:19:48.93

>>78
あ、もちろん全部64bitです！

80 ：デフォルトの名無しさん：2011/10/04(火) 23:39:11.06

CUDA以前の話だな。コンパイラオプションの意味がわかってない。

というか、VCなら、カスタムビルド規則でCUDA Runtime API Build Ruleを追加したほうが早い

81 ：忍法帖【Lv=40,xxxPT】：2011/10/05(水) 02:20:11.36

-gencode=arch=compute_20,code=\"sm_21,compute_20\"
になってるなぁ俺の環境だと。VC2010ならプロジェクトのプロパティでCUDA関係の設定するところがあるんじゃない？

82 ：デフォルトの名無しさん：2011/10/05(水) 11:51:04.38

>>80
ありがとうございます。
えーと、それはおそらくVC2008の話ではないかと思います。2010にカスタムビルド規則という名前はなくなり、その代りCUDA4.0というビルドカスタマイズに統一されています。

83 ：デフォルトの名無しさん：2011/10/05(水) 11:58:44.51

>>81
ご返答ありがとうございます。
そのコードはどこに書いていますか？
はい、cuda c/c++という項目にいろいろいじるところはあるのですがコンパイラオプションを設定する項目はないように思えます。
私がオプションを追加しているのはビルドイベントという項目ですね。

以前にもatomic関連の話が出ていたようです。>>22

84 ：デフォルトの名無しさん：2011/10/05(水) 12:14:48.16

-arch=compute_20
にすればいいんじゃねえの？

85 ：デフォルトの名無しさん：2011/10/05(水) 12:17:32.55

>>84
ありがとうございます。
おっしゃるように>>75のように追加するとエラーを吐きます。
追加の仕方が違うのでしょうか。

86 ：80：2011/10/05(水) 13:36:15.15

VS2010は色々変わってるんだな。
知らんかったすまん。
とりあえず「CUDA VS2010」でググって出てくる一番上のサイト参考にして、CUDA4.0のビルドカスタマイズファイルを導入した後、プロパティからCode Generationをcompute_20,sm_20にしたらいけた

87 ：デフォルトの名無しさん：2011/10/05(水) 15:09:51.57

GPUのリソースを全部CUDAに割り当てるため，グラボを2枚さしてディスプレイ出力用とCUDA用に分けるというのはありますが
同じようなことをsandy bridgeとグラボ1枚でも出来るのでしょうか？

88 ：デフォルトの名無しさん：2011/10/05(水) 15:36:59.85

>>87
Z68マザーなら、マザー側DVIにディスプレイつないでおけばいい話じゃ？
CUDAで計算したデータをintelで表示したいなら、
1.DirectXかOpenGLのリソースをCUDAにバインドしてデータ書き込み
2.メインメモリに転送
3.intel側に転送
って形になるかなぁ。多分。

89 ：81：2011/10/05(水) 21:07:18.54

>>83
ゴメン、俺もVC2010じゃないや。VC2008。
ちなみに>>81は構成プロパティの中に「CUDA Runtime API」があってそこの「コマンドライン」にある。
CUDA Runtime APIの中にGUIでGPU Architecture（sm_21）を指定するところがあるから、
コマンドを打ってるわけじゃないんだけど、結果としてnvccには>>81のようなオプションが渡ってる。

90 ：89：2011/10/05(水) 21:17:54.24

そもそもなぜCUDA Runtime APIという項目があるのかというとサンプルのプロジェクトをコピったから。

91 ：デフォルトの名無しさん：2011/10/06(木) 16:35:52.62

>>80
>>81
ありがとうございます！code generationを>>80のように書きなおしたらオプション指定することなくコンパイル通りました。
どうやらVS2010からはcommand line指定しなくてもcode generationでオプションを渡せるようです。
本当に助かりました。ありがとうございます！

92 ：デフォルトの名無しさん：2011/10/06(木) 17:22:43.25

最近巷で流行ってる

error MSB3721: コマンド ""C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v4.0\bin\nvcc.exe" -gencode=arch=compute_20,code=\"sm_20,compute_20\" --use-. ... template.cu"" はコード 2 で終了しました。
のエラーなんですけど解決法どなたか知りませんか??

CUDA FORUMにもかなり話題が上がってるっぽいんですが...私のところにも発病してしまいました。

93 ：デフォルトの名無しさん：2011/10/06(木) 18:43:04.20

そこだけ書かれても分からないと思う。
nvccのエラーメッセージ載せないと。

94 ：デフォルトの名無しさん：2011/10/06(木) 19:11:36.83

>>92
敵性語なんでよくわかんなかったけど、
VisualStudio を管理者として実行したら動く？

95 ：やんやん ◆yanyan72E. ：2011/10/06(木) 21:18:36.98

Visual C studioは下手にGUIに頼るよりも、コマンドラインでやった方がはやいこともある。コマンドラインでnvccやってみよう。

96 ：デフォルトの名無しさん：2011/10/07(金) 16:37:49.21

単精度のmadってmulより遅いやないかー
プログラミングガイド嘘つきやないかー
ちくしょー

97 ：デフォルトの名無しさん：2011/10/09(日) 01:36:18.51

>>96
そりゃ命令実行時間は同じだけど、
必要な帯域は違う。

98 ：デフォルトの名無しさん：2011/10/09(日) 02:40:58.84

>>92
コマンドラインのオプションが何か1つ間違ってた気がする。
コマンドプロンプトで同じコマンド実行するとエラーが出たので、
そのエラーのひとつ前の引数が問題だった、はず。

99 ：デフォルトの名無しさん：2011/10/10(月) 02:14:56.87

CUDAとRTミドルウェアを組み合わせてみた。

行った方法は、CUDAのサンプルをRTコンポーネントに
パッケージングする方法。

動作周期にあわせて、行列計算が実行されたのを確認。

100 ：デフォルトの名無しさん：2011/10/10(月) 20:49:05.67

カーネル側のソース分割ってできないんだっけ？
環境はLinux　cuda4.0

101 ：デフォルトの名無しさん：2011/10/10(月) 22:00:17.43

できるけどコンスタントメモリが変な事になったような気がする

102 ：デフォルトの名無しさん：2011/10/10(月) 22:04:05.94

このままだと5万行くらいになっちゃいそう・・・

103 ：デフォルトの名無しさん：2011/10/10(月) 22:39:08.05

>>102
正直処理対象がCUDAに向いてないような。。。

104 ：デフォルトの名無しさん：2011/10/14(金) 02:20:30.66

とある文献でレイテンシを表す際, 種類によってclock, cycleが使い分けられていました。

clock : texture cache, constant cache
cycle : global memory, shared memory

なんとなくメモリ, キャッシュで使い分けられているのはわかりますが, このままでは速度の比較ができません。
二つの違いは何なのか, またcycle-clock間で単位の変換が可能なのか, もしご存知の方がいたらご教授ください。

105 ：デフォルトの名無しさん：2011/10/17(月) 13:50:45.89

カーネル関数内で立てたフラグをホスト側で判断する事って出来る？

106 ：デフォルトの名無しさん：2011/10/17(月) 14:13:41.38

グローバルメモリ介してできるだろ

107 ：デフォルトの名無しさん：2011/10/18(火) 02:35:47.28

はじめてのCUDAプログラミングの9章に載ってるcublas使うプログラム実行したんだけど、
cublasInit()あたりで「～0x7c812afb で初回の例外が発生しました: Microsoft C++ の
例外: cudaError_enum～」って出てうまく動かないんだけどなして？

108 ：デフォルトの名無しさん：2011/10/19(水) 00:53:08.52

かなり初歩的な質問で申し訳ないのですが
構造体hoge_tにバッファを持たせPtにバッファのアドレスが入るようにしたいのですが
以下のようにするとsegmentation faultになってしまいます。
このようなことは可能なのでしょうか。

struct hoge_t{
int* Pt;
int a,b,c,d;
}

int main(){
hoge_t *hoge_d;
cudaMalloc((void**)&hoge_d,sizeof(hoge_t));
cudaMalloc((void**)&hoge_d->Pt,sizeof(int)*100);
//終了処理は省略
}

109 ：デフォルトの名無しさん：2011/10/19(水) 11:56:08.38

適当なポインタで確保した後に，
そのアドレス転送してやればいいんじゃない？

110 ：デフォルトの名無しさん：2011/10/19(水) 13:25:43.68

>>108

＞cudaMalloc((void**)&hoge_d,sizeof(hoge_t));
意味のおさらい。
& hoge_dをcudaMalloc()に渡すことで、ローカル変数hoge_dにデバイス上のアドレスが格納される。

＞cudaMalloc((void**)&hoge_d->Pt,sizeof(int)*100);
& hoge_d->Ptは、意味としては & (* hoge_d).Pt に等しい。
つまり、hoge_dがデバイス上のアドレスを保持しているにも拘らず
ホスト上で* hoge_d するからsegmentation faultを引き起こす。

データ効率を考えると固定長配列にできないか検討するなどして見直すべきだが、
どうしてもこのままの構造でやりたいなら sizeof(int) * 100 確保したデバイス上の
アドレスをcudaMemcpy()でhoge_d->ptにコピーする必要がある。
って、この下りは>109が書いていることと同じだね。

111 ：108：2011/10/19(水) 17:14:09.68

>>109,>>110
お忙しい中、レス有難うございます。

>>110
データ構造については検討しようと思いますが、
いただいたアドバイスを参考に以下のようにしてみたところsegmentation faultがなくなりました。
109,110さんの意図していたものとなっておりますでしょうか？

int main(){
hoge_t *hoge:
hoge=(hoge_t*)malloc(sizeof(hoge_t));
cudaMalloc((void**)&(hoge->Pt),sizeof(int)*100);

hoge_t *hoge_d;
cudaMalloc((void**)&(hoge_d),sizeof(hoge_t));
cudaMemcpy(hoge_d,hoge,sizeof(hoge_t),cudaMemcpyHostToDevice);

//終了処理は省略
}

あるいはこういう感じでしょうか・・・

int main(){
int *tmp_pt;
cudaMalloc((void**)&(tmp_pt),sizeof(int)*100);

hoge_t *hoge_d;
cudaMalloc((void**)&(hoge_d),sizeof(hoge_t));
cudaMemcpy(hoge_d->Pt,tmp_pt,sizeof(int),cudaMemcpyHostToDevice);

//終了処理は省略
}

112 ：デフォルトの名無しさん：2011/10/19(水) 21:10:14.17

概ねいいんでない?
前者なら、私はhoge_t hoge;で定義しちゃうけど。

113 ：109：2011/10/19(水) 22:04:08.49

俺が考えてたのは後者だな。
合ってると思うよ。
でもmemcpyのsizeof(int)はsizeof(int *)にした方が良いと思う。

114 ：108：2011/10/19(水) 23:57:45.47

未だにポインタが使いこなせてないと痛感しました。
このたびはアドバイス有難うございました。

115 ：デフォルトの名無しさん：2011/10/20(木) 00:12:23.07

ポインタ使える男の人ってモテそうだよね

116 ：デフォルトの名無しさん：2011/10/20(木) 17:52:20.01

ポインタでいろんな所を指して、
覗いたりいじくり回したりするんですね。

117 ：やんやん ◆yanyan72E. ：2011/10/21(金) 01:37:52.34

トラックポイントではない

118 ：デフォルトの名無しさん：2011/11/03(木) 20:05:27.91

デバイスから出る「the launch timed out and was terminated.」とかのメッセージを
CPU側で受信する方法ってどうやるのかな？コンソール出力されるんだからできると思うけど

119 ：デフォルトの名無しさん：2011/11/03(木) 21:13:42.56

>>118
デバイス側といっても、cudart辺りがドライバからのステータスを見て出していると思われ。
従って、当然リダイレクトできる。

120 ：デフォルトの名無しさん：2011/11/07(月) 04:01:37.49

CUBLASとCUSPARSEを使って倍精度で計算を行うCG法のプログラムを作成したのですが、
CUSPARSEのcsrmv関数だけが異様に遅く速度が出ません。
この原因としては何が考えられますでしょうか？

自分としてはCUBLASとCUSPARSEでそれぞれ別のhandleを使っているせいかと思っているのですが
それを確かめる方法や、CUBLASとCUSPARSEでhandleを共有する方法がわかりません...

121 ：デフォルトの名無しさん：2011/11/07(月) 09:05:53.46

CG法と書いてあるので問題行列は対称疎行列でCUSPARSEからはcsrmv関数だけ、CUBLASからは
Level-1 BLASルーチンしか使っていないのだと思いますが、

実際にどの程度遅いのでしょうか？

ランダムアクセスを含むcsrmvはLevel-1 BLASルーチンとくらべてメモリアクセス効率が極端に下がるのは
仕様というか当然の結果です。

また古いバージョンのライブラリを使っていたりしませんか？

handle云々は基本的に関係ありません。関係するとすればよほど小さな行列を扱っている場合に限られます。

122 ：デフォルトの名無しさん：2011/11/07(月) 15:42:01.27

仰る通り対称疎行列でCUSPARSEからはcsrmv関数のみです。

行列のサイズはn×n　n=122187で、ライブラリのバージョンは4.0です。
BLASでの総計算時間が12.66sに対し、
CUSPARSEでの総計算時間が80.36sという結果です。

このCUSPARSEでの計算時間はCPUで計算を行った場合よりも遅く、
nVidiaのCUDA toolkit 4.0 Performance Reportの結果と比較しても
非常に遅いと思います。

123 ：デフォルトの名無しさん：2011/11/07(月) 18:49:04.47

構造体の中にある配列はどのように確保してmemコピーすればいいんでしょうか？
#define N (32)
struct var_box{
int boxi;
float boxf;
};

struct var_str{
int *vari; // ~N*N
float var_g;
struct var_box *vb; // ~N
};
のような構造体がある時

struct var_str *vvv,*vvv_d;
vvv = (struct var_str*)malloc(sizeof(struct var_str));
vvv->vari = (int*)malloc((N*N)*sizeof(int));
vvv->vb = (struct var_box*)malloc(sizeof(struct var_box)*(N));
値代入

cudaMallocHost((void**)&vvv_d,sizeof(struct var_str));
cudaMallocHost((void**)&vvv_d->vari,sizeof(int)*(N*N));
cudaMallocHost((void**)&vvv_d->vb,sizeof(struct var_box)*(N));

cudaMemcpy(vvv_d, vvv, sizeof(struct var_str), cudaMemcpyHostToDevice);
cudaMemcpy(vvv_d->vari, vvv->vari, sizeof(int)*(N*N), cudaMemcpyHostToDevice);
cudaMemcpy(vvv_d->vb, vvv->vb, sizeof(struct var_box)*(N), cudaMemcpyHostToDevice);

GPUに送ってCPUに戻しただけですが float var_g;　に関しては問題なくできていますが配列にした部分が送れていないみたいです。
　そもそも確保の部分だけで0.5sかかっているのでちゃんとできてるかどうか怪しいです。

124 ：デフォルトの名無しさん：2011/11/07(月) 18:52:46.57

構造体にポインタがあるのはダメ
理屈で考えればわかるよな

125 ：デフォルトの名無しさん：2011/11/07(月) 19:13:06.14

>>124
そうでしたか
わかりました

126 ：デフォルトの名無しさん：2011/11/07(月) 19:34:23.39

馬鹿でプログラミング初心者には難しいれす（^ρ^）

127 ：やんやん ◆yanyan72E. ：2011/11/07(月) 19:39:20.38

無駄にでっかくメモリ確保された
ただのポインタがコピーされてるだけに見えるのは気のせい？
実体をコピーしようとしている意図は読み取れるけれど、
コードはその意図を反映してないような。。。

128 ：やんやん ◆yanyan72E. ：2011/11/07(月) 19:50:21.46

あ、考え違いか、すまん

129 ：デフォルトの名無しさん：2011/11/07(月) 19:52:32.74

>>124
わからないのでその理屈を教えていただけないでしょうか

130 ：デフォルトの名無しさん：2011/11/07(月) 20:15:14.16

cudaMallocHostはあるけどcudaMallocはしてないの?書き洩れ？

131 ：デフォルトの名無しさん：2011/11/07(月) 20:28:54.09

デバイス側のcudamallocが無いよね？

cudaMallocHost((void**)&vvv_d->vari,sizeof(int)*(N*N));
ってvvv_d->variをホスト側にメモリ確保しちゃってんるんだけど
必要なことは例えば
cudaMallo(reinterpret_cast<void**>(&vvv_d->vari,sizeof(int)*(N*N));
じゃないの？

132 ：デフォルトの名無しさん：2011/11/08(火) 09:53:28.63

取り敢えず、ホスト側とデバイス側の二種類のメモリ空間を扱っていることを肝に銘じよう。
「構造体にポインタがある」ある場合、そのポインタがホスト側のメモリを指しているのか
デバイス側のメモリを指しているのか常に意識しないといけない。

それがいやだったら、ポインタではなく配列にしてしまえ。
cf.
struct var_str {
int var[N * N];
float var_g;
struct var_box vb[N];
};

133 ：デフォルトの名無しさん：2011/11/08(火) 09:54:43.06

それ以前に、そんなデータ構造を渡しても素直に並列化できなくて速度が出ない悪寒。

134 ：デフォルトの名無しさん：2011/11/08(火) 10:50:48.01

>>129
>>108-114の流れを読め．

135 ：デフォルトの名無しさん：2011/11/08(火) 13:04:40.64

C# (.NET Framework 4.0)で動作するCUDAのライブラリってありますか？
CUDA.NETがそうだとは思うのですが、.NET Framework 2.0 or newerとしか書いていないので、
結局のところ.NET 4.0で動作するのかどうかわかりません。

136 ：デフォルトの名無しさん：2011/11/08(火) 15:31:03.58

おまえ、そのレベルでよくこのスレに辿り着けたな。。

137 ：デフォルトの名無しさん：2011/11/08(火) 18:02:17.87

とりあえず動かしてみろｗ

138 ：デフォルトの名無しさん：2011/11/09(水) 04:38:11.56

4.1RC出てるんだな
デベロッパプログラムに登録したいけど審査あるから、
他人のソースコンパイルして遊ぶだけの俺には無理

139 ：デフォルトの名無しさん：2011/11/09(水) 14:48:59.26

試しにデタラメ並べ立てて申請したら通った
んでSDKのサンプルを上から順番に走らせて遊んでたらブルスク食らった
危ねえ・・・

140 ：デフォルトの名無しさん：2011/11/09(水) 22:34:20.87

>>138
審査あんの？俺普通に登録してOKでたけど

141 ：デフォルトの名無しさん：2011/11/09(水) 22:45:40.52

審査ってなにを調べるの？

142 ：デフォルトの名無しさん：2011/11/09(水) 23:51:20.06

ウンコの重さとか

143 ：デフォルトの名無しさん：2011/11/10(木) 00:31:38.44

Parallel Nsightのアカウントとは別なのか。
面倒くさすぎだろ。

144 ：デフォルトの名無しさん：2011/11/10(木) 06:20:27.98

CUDA.NETってCUDA 3.0までで止まってるよね？

145 ：デフォルトの名無しさん：2011/11/10(木) 12:49:08.28

>>144
くだんねーと（CUDANET）思ったんだろ作ってる方も

146 ：デフォルトの名無しさん：2011/11/11(金) 00:24:14.22

【審議中】
　　　 ∧,,∧　 ∧,,∧
　∧ (´・ω・) (・ω・｀) ∧∧
(　´・ω)　Ｕ) ( つとﾉ(ω・｀ )
｜　Ｕ (　　´・) (・｀　　)　とﾉ
　ｕ-ｕ（l 　　 ) (　　　ﾉu-ｕ
　　　　 `ｕ-ｕ'.　`ｕ-u'

147 ：デフォルトの名無しさん：2011/11/14(月) 02:32:16.94

kernelの中でどの部分でレジスタがMAXになっているか、どの値を保持しているかっていうのは簡単にわかるものですか？

148 ：デフォルトの名無しさん：2011/11/14(月) 11:50:00.02

細かいことは兎も角、取り敢えずptx出力を見てみたら医院で内科医。

149 ：デフォルトの名無しさん：2011/11/14(月) 18:06:51.94

shrQATest.hって4.0のtoolkitとSDK入れたらどこにあるはずですか？

150 ：デフォルトの名無しさん：2011/11/15(火) 02:43:04.47

%ProgramData%\NVIDIA Corporation\NVIDIA GPU Computing SDK 4.0\shared

151 ：デフォルトの名無しさん：2011/11/15(火) 02:44:06.11

\inc

152 ：デフォルトの名無しさん：2011/11/15(火) 16:34:29.61

見つかりました
ありがとうございます

153 ：デフォルトの名無しさん：2011/11/15(火) 21:47:31.35

linux kernelからGPGPU使いたいんだけどKGPU以外に何かいい方法ある？

154 ：デフォルトの名無しさん：2011/11/15(火) 22:55:00.82

CUDA developer用としてCUDAサイトで配布されてるドライバと普通のドライバってどんな違いがあるの？
CUDAに必須と思ったら、普通のドライバインストールしてもCUDA開発できると書いている所があった。

155 ：デフォルトの名無しさん：2011/11/15(火) 23:18:16.01

一時期、developer用と一般用のバージョンが同じ時があったけど
md5sumは一致した。
おそらく、一般用ドライバのバージョンで対応が間に合っていないときに
beta版を出してるだけだと思う。

だから、両者でバージョンの新しい方を使えば問題ない。

156 ：デフォルトの名無しさん：2011/11/16(水) 00:34:28.85

SC2011 OpenACC Joint Press Release - main
http://www.openacc-standard.org/announcements-1/nvidiacraypgicapsunveil%E2%80%98openacc%E2%80%99programmingstandardforparallelcomputing

157 ：デフォルトの名無しさん：2011/11/16(水) 05:00:22.99

>>155
了解。レスありがと

158 ：デフォルトの名無しさん：2011/11/22(火) 17:29:12.79

すいません、経験者の方教えてください。

ホストメモリをページロックメモリで確保して、
ストリームを300個くらい起動して
MemcpyAnsyncでh->d ,kenrel, h->dで非同期実行させてるんですけど、
どうやらkernelでセグって停止してしまいます。
しかし、cuda-gdbで見てみるとどうもセグるようなポジションじゃないんです。

そこで質問なんですが、MemcpyAsyncでコピーリクエストをだしてコピーが始まり、
制御がカーネルに入り、コピーが完了したストリームを実行してる途中に、
まだコピー中の領域でセグった場合、どこでセグったように見えるのでしょうか？

やはりその時実行しているカーネルの中でセグっているように見えるのでしょうか？

159 ：デフォルトの名無しさん：2011/11/27(日) 22:05:36.51

全スレッドの計算結果を1コアに集約して1スレッドで処理したいんだけどいい方法あるかな？
リダクションのサンプルだと最後はCPUで合計だしこれでは都合悪いんだよね
全てGPUでやりたいのよね

160 ：デフォルトの名無しさん：2011/11/27(日) 23:20:19.00

しかたないじゃん、CPUで合計出した方が速いんだから。

161 ：デフォルトの名無しさん：2011/11/27(日) 23:28:38.68

>>159
バイナリツリーで足していくしか。
Ex. thread数が64のとき
if (threadIdx < 32) data[threadIdx] += data[threadIdx + 32];
__syncthreads();
if (threadIdx < 16) data[threadIdx] += data[threadIdx + 16];
__syncthreads();
if (threadIdx < 8) data[threadIdx] += data[threadIdx + 8];
__syncthreads();
if (threadIdx < 4) data[threadIdx] += data[threadIdx + 4];
__syncthreads();
if (threadIdx < 2) data[threadIdx] += data[threadIdx + 2];
__syncthreads();
if (threadIdx < 1) result = data[threadIdx] + data[threadIdx + 1];

>>160
データ量によってはそうでもないよ。

162 ：デフォルトの名無しさん：2011/11/27(日) 23:35:14.30

>>161
＞データ量によってはそうでもないよ。

>>159は「1スレッドで処理したい」と言っている。
それに、「計算結果を集約」と言っているだけで足し算とは言っていない。
この条件の下では、データ量が多くなれば多くなるほどCPUで処理した方が速い。
データ数が極端に少なければ、転送時間の関係でGPUでしたほうが速いかもしれないが。

163 ：デフォルトの名無しさん：2011/11/27(日) 23:40:05.87

あーそうか、まさか1スレッドだけ動かす方法が判らんと言う話とは思わなかった。
単純に、「CPUで合計」の代わりをやりたいのかと思ったよ。

164 ：159：2011/11/27(日) 23:55:11.26

>>160-163
レスサンクス
一度集約して最少二乗法を適用してから再度マルチスレッドで処理しようとしてるんだけど
一度CPUに戻すしかないかな・・・

165 ：デフォルトの名無しさん：2011/11/28(月) 00:02:09.10

最小二乗法ならマルチスレッドでできるじゃん。

166 ：デフォルトの名無しさん：2011/11/29(火) 03:07:20.82

リダクションしろよ
1ブロック分しかできないってこと？

167 ：デフォルトの名無しさん：2011/11/29(火) 10:48:39.03

サイズが決まっている3次元配列どうしの演算で演算回数も決まっているんだけど、
ブロック数とスレッド数を調整して演算回数ぴったりにするとコアレッシングしなくて効率悪いんだ。
こーいう時ってどゆアプローチ？

168 ：デフォルトの名無しさん：2011/11/29(火) 14:42:48.05

CPUで計算させてみる

169 ：デフォルトの名無しさん：2011/11/29(火) 15:26:04.48

もちろんCPUでは計算させてみてるよぉぉん(><)
1つ目の演算対象配列はギリギリL2に乗らないサイズ、2つ目の配列はVRAMにも乗らないサイズなので悩んでる。

170 ：159：2011/11/29(火) 16:52:31.44

もっと良いCPUかGPU買え

171 ：デフォルトの名無しさん：2011/11/30(水) 02:20:28.60

>>159
同じブロック内の複数スレッドは共有メモリで集約できるけど、
ブロックをまたがっての集約ができないってこと？
手元のコードではブロック数の一時保存のための領域を確保し
そこにブロックごとの結果を放り込むカーネルを起動し、
次にブロック数が1、スレッド数が前のカーネルのブロック数の
カーネルを起動。その中でさらに集約して結果を1つにまとめている。
カーネル2回起動よりもCPUでやらせた方が速いかもしれないが。

172 ：デフォルトの名無しさん：2011/11/30(水) 04:29:51.70

http://code.google.com/p/thrust/
のリダクション使ってみれば？

中身で何やってるかはよくわからんが

173 ：デフォルトの名無しさん：2011/11/30(水) 08:40:15.94

カーネルの中で関数作って足せばいいんじゃない
threadが終わったら自作関数に投げて足すとか
バリアがいるけど

174 ：デフォルトの名無しさん：2011/11/30(水) 08:52:34.48

微妙に話が噛み合っていない悪寒。
つーか、>159が混乱に輪を掛けているし。

175 ：159：2011/11/30(水) 10:04:46.33

各スレッドでサンプリングされたXiとYiを使って
Σ（Ai*Xi-Yi）^2を計算して最小化するパラメータのAiを求めたいんだよ

求まったAiを使ってまたGPUでマルチスレッドで処理をするから
CPUに戻したくなかっただけ

戻せばできるのは分かるけど、戻さないでできるならその方がいいと思ったわけね

176 ：やんやん ◆yanyan72E. ：2011/11/30(水) 10:24:24.37

なんか式がおかしい、Ai=Yi/Xi なんて答えを求めたい訳じゃなかろう？

177 ：159：2011/11/30(水) 11:22:19.91

>>176
うん
正確には多項式近似の最小二乗法
めんどいので略した

178 ：171：2011/11/30(水) 14:43:43.94

>>177
非線形最小二乗法ってこと？非線形最適化法しか知らないけど、目的関数が
特殊な場合にそれを上手に利用したのが非線形最小二乗って理解。
手元では対数尤度（二乗和みたいなもの）を171の手順で計算する関数を
CUDAで書いて、MCMCの中で使って推定値を求めているけど、同じことは
最小二乗法でもできると思うんだが…。

179 ：159：2011/11/30(水) 14:50:41.39

>>178
カーネルの二度起動だよね？
その方法でもできると思うけど、一度で済ませたいというのがニーズ

それよかMCMCをマルチスレッドでやるってのが分からんのだが…
あれはマルコフ連鎖だからほとんどマルチスレッドで効果上がらんだろw

180 ：178：2011/11/30(水) 15:21:59.61

>>179
こちらも一度の起動で済ませたかったけど方法が分からなかったので、
分かったら是非報告よろしく。
尤度の計算対象とするデータ数があまりにばかでかくて…。マルコフ連鎖は
順次計算だけど、その中の並列化は相当のメリットがあってね。

181 ：やんやん ◆yanyan72E. ：2011/11/30(水) 16:50:24.20

>>179
二度起動がいやなら、ここの
ttp://neuralgorithm.org/documents/global-thread-synchronization-on-cuda-ja/
globalsyncみたいなのを使って計算→集計→計算って
やらせればいいんだろうけれど、
なんか怖いなw

182 ：デフォルトの名無しさん：2011/11/30(水) 16:50:29.44

CUDA Visual Plofiler への入力ファイル(cpjファイルとcsvファイル)をコンソールを使って作成したいのですが、可能でしょうか。
GUI環境ではメモリが足りず実行できないプログラムのビジュアルプロファイルを取りたいのですが…

183 ：デフォルトの名無しさん：2011/12/02(金) 18:08:55.43

linuxで4.0のtoolkitを導入した時に古いものをリムーブするかと出てきたのでyesを選んだのですが、もしかして同じ階層のものを全部削除とかしています？
X windowすら上手く開かなくなったのですが…

184 ：デフォルトの名無しさん：2011/12/03(土) 18:12:31.51

unixは知らんけど、windowsだとインストールしたファイルしか消されないよ
新しいの入れる度に毎回cl.hppを手動で追加してるけど、
アンインストールしてもそれだけ残ってる

185 ：デフォルトの名無しさん：2011/12/03(土) 18:46:52.04

Toolkitを入れたからじゃなくて、Driverを入れたからじゃね?
Driverを入れるときにroot権限がないとXのconfigを更新できないから。

186 ：デフォルトの名無しさん：2011/12/06(火) 06:03:27.50

4.1 RC2
| NVIDIA Developer Zone
http://developer.nvidia.com/cuda-toolkit-41

187 ：デフォルトの名無しさん：2011/12/06(火) 10:46:45.36

蔵人にメル栓抜きツイスターきたのか

188 ：デフォルトの名無しさん：2011/12/06(火) 11:57:45.78

コンパイルどれくらい早くなってんのかな
VCでコンパイルしてて小さなcuファイルでも数秒待たされるのがガチでイライラするんだけど

189 ：デフォルトの名無しさん：2011/12/06(火) 12:05:12.77

vcでコンパイルしているなら、変わるわけないだろ。
vsからnvccを起動しているなら兎も角も。

190 ：デフォルトの名無しさん：2011/12/06(火) 12:18:58.00

cuファイルとcppファイルに分けるのはどういう意図があるんでしょうか？thrustって何に使えるんですか？

191 ：デフォルトの名無しさん：2011/12/06(火) 12:26:24.32

>>190
・nvccに任せておきたくない部分は、.cppに書く。
・抽象的に取り敢えず書くのに便利。

192 ：デフォルトの名無しさん：2011/12/06(火) 16:39:18.49

cuにkernel_foo()を書いて
cppに書いたfoo()からkernel_foo()を呼ぶのが定石かと思ってた
そうすればopenclに移行したりしてもocl_kernel_foo()を呼び出すようにすれば変更すくないし。

193 ：デフォルトの名無しさん：2011/12/06(火) 17:11:07.38

>>192
その定石に則れば、>191の前半を満たせるから問題ないよ。
ただ、それだとCPU側とGPU側で共通のロジックを更に別のソースに書かないといけなくなるから適材適所だと思う。

194 ：デフォルトの名無しさん：2011/12/07(水) 00:20:58.16

青木氏の本読んでも、ガイド読んでも、くすだれcudaを見ても全くわからなかったので質問します。
おそらくwarpの話で、cudaをまったく分かっていないゆえの質問だと思います。
cudaのデータの取扱いを調べるために、以下のような構造のデータをGPU側に送り、
typedef struct data{
　int i,j; //初期化でi=1,j=0　
}DATA;
Grid1コ,ThreadBlock１コ,総Thread数512コと指定して、以下のようなコードを実行させました。
__global__ void test(DATA *A){
　int i = blockDim.x*blockIdx.x + threadIdx.x;
　if(i%2==0){//threadIdの奇遇でiの値及び加算値を変更
　　A->i=2; A->j+=1;
　}else{
　　A->i=3; A->j+=2;
}}
5,6回実行して、iの値はthreadの総数を奇遇どちらにしても3で不変でした。
jの値は実行するたび値が異なり、j=3,5,7,9のいずれかになりました。

iの結果は各warpの32コのThreadが順次if文を実行してて、
idが奇数のときの場合が後に実行されるから、結果がi=3となるのか？という理解でよろしいのでしょうか。

また、jの結果は青木氏の言う「加算命令を実行した結果は有効なスレッドに対してのみ反映される」
の理解がいると思うのですが、そもそも有効なスレッドがどう判定されているのかわかりません。
また512コのthreadがあるのに、jの値の結果が10以下になるのはどうも腑に落ちません。
i,jの値を決めているものは何か、ご教示願います。

195 ：デフォルトの名無しさん：2011/12/07(水) 00:45:36.69

+=で同じアドレスに同時書き込みしてるから

196 ：デフォルトの名無しさん：2011/12/07(水) 01:09:59.92

>>195
+=で同じアドレスに同時書き込みすると、内部で何が起こるんですか？

197 ：デフォルトの名無しさん：2011/12/07(水) 01:27:31.21

競合状態が発生してんじゃないの？
atomic演算とか同期が必要だと思うよ。
512スレッドで同一アドレスの変数の読み書きしてんだから。

まず５１２個の要素の配列作って、添え字にスレッド番号（上のi）を指定して確認してみたら？
書籍ならcuda exampleも買って読むといいかもね

198 ：デフォルトの名無しさん：2011/12/07(水) 02:05:18.21

>>197
>競合状態が発生してんじゃないの？
>>１９５のコメと合わせて考えるに、なんとなく予想はしてましたけど、取り合いになってるんですね...

>atomic演算とか同期が必要だと思うよ。
まだザックリとしか勉強してないので、atomic演算は知らなかったです。あとで試してみます。
同期を行う場合だったら、どうすればいいのだろう。

>まず５１２個の要素の配列作って、添え字にスレッド番号（上のi）を指定して確認してみたら？
それは分岐条件がきちんと実行しているのか見るためのテストをしたとき確認しました。

199 ：デフォルトの名無しさん：2011/12/07(水) 07:39:11.25

根本的にプログラミングの基礎が抜けている悪寒。

200 ：デフォルトの名無しさん：2011/12/07(水) 09:07:22.99

>>198
atomicという排他的処理を知らないのなら並列化プログラムをやるのは早すぎる。
増してCUDAという特殊な並列化をやるのはもっと早すぎる。

201 ：デフォルトの名無しさん：2011/12/07(水) 12:02:55.64

>>199
どこまで戻ればいいんでしょうか...

>>200
...これ使って課題提出しなきゃならんので、早すぎると言われても後に引けないです...

202 ：デフォルトの名無しさん：2011/12/07(水) 13:13:17.16

>>198
>>201
ですけど、
>>200の"atomicという排他的処理を知らないのなら並列化プログラムをやるのは早すぎる。"
では並列化プログラムをやるにあたり、
どういったことを勉強して、どういった手順でやればいいんでしょうか？
そこがよくわからず、私はいきなりcudaに突っ込んだので四苦八苦してるわけですが...

203 ：デフォルトの名無しさん：2011/12/07(水) 14:10:39.88

>>202
同期とロック

204 ：デフォルトの名無しさん：2011/12/07(水) 15:51:27.47

青木本読んだんじゃないのん？

x+=1ってのは
1.xを読み出す
2.読み出した値に1を加算する
3.結果をxに格納する
って手順なんだけど以下略

205 ：デフォルトの名無しさん：2011/12/07(水) 16:45:28.63

>>203
同期とロックですか。勉強します。

>>204
青木本は読みましたけど、ものにしたっていう状態じゃないです...
>x+=1ってのは...
普段、なんとなく使ってるので... 勉強不足ですみません。

206 ：デフォルトの名無しさん：2011/12/07(水) 17:29:38.47

ここの一番下に載ってる資料の4-7ページにatomicの説明が少しある。
ttp://accc.riken.jp/HPC/training.html

207 ：デフォルトの名無しさん：2011/12/07(水) 17:58:07.38

>>206
ありがとうございます。参照します。

208 ：デフォルトの名無しさん：2011/12/07(水) 23:52:25.72

この本でも読んでみると良い。
日本語でわかりやすい。

http://www.amazon.co.jp/gp/product/4798014621/

209 ：デフォルトの名無しさん：2011/12/08(木) 00:42:53.72

>>208
ありがとうございます。明日早速本屋行ってきます。

210 ：デフォルトの名無しさん：2011/12/08(木) 17:37:10.02

久しぶりに新しいCUDAの本が出たようだ。
http://www.amazon.co.jp/dp/4906608000/ref=cm_sw_r_fa_dp_454Zob03VNZ25

211 ：デフォルトの名無しさん：2011/12/08(木) 18:59:25.20

>>210
グラフィックをメインにしてCUDAを道具としてこれから使おうとする人にはいいかも？
3章第3項がCUDA入門。第4項の「応用プログラム」でおもしろい話が読めたらいいね。

こっち（2011/11/14発売）も気になったけど、内容説明読んだだけじゃどの程度の本なのかわからなかった。
値段とタイトルからはちょっと期待させられる。
Amazon.co.jp： CUDA Application Design and Development: Rob Farber: 洋書
http://www.amazon.co.jp/CUDA-Application-Design-Development-Farber/dp/0123884268/

212 ：デフォルトの名無しさん：2011/12/09(金) 05:54:08.89

CUDAというかVisualStudioが分からない。鬱だ死のう。

213 ：デフォルトの名無しさん：2011/12/09(金) 09:40:45.47

VSがわからないんじゃなく、C++がわからないんだろ

214 ：デフォルトの名無しさん：2011/12/11(日) 23:39:15.74

fortranもここでいいかな？
pgiのコンパイラ買って、三重ループの前後に指示行追加してやったけどまったく速くならない。憂鬱。。

215 ：デフォルトの名無しさん：2011/12/11(日) 23:56:05.05

fortran使う人って量子論とかやってる人？
どの世界の人が使うのかしら？

216 ：デフォルトの名無しさん：2011/12/12(月) 08:31:48.58

fortranを使うのは過去の遺産のためだろう。
fortranを使えば速くなるわけでもないしなあ。

217 ：デフォルトの名無しさん：2011/12/12(月) 09:39:06.64

fortran懐かし過ぎる
先日、二度と使うことは無いと思って本を捨てたばっかりだわ

218 ：デフォルトの名無しさん：2011/12/12(月) 20:09:34.35

高レベル言語使うのは時代の趨勢じゃないかな。

LAPACKはfortranで書かれている。
fortranはnvccよりもアプリケーションに近い。
CUDAを使うのにnvccのレベルでなきゃダメということは無いと思う。
逆に、nvcc使わない人をバカにするヤツは、本物のバカだと思う。

219 ：デフォルトの名無しさん：2011/12/12(月) 20:20:14.55

道具にこだわることが目的となって、肝心の結果を出せない人間を馬鹿というでは？

220 ：デフォルトの名無しさん：2011/12/12(月) 21:18:03.01

TSUBAME2.0でnvccを使うのと京でfortran使うのと比べるとどうなんだろう。
京はSPARCだけで計算して、TSUBAME2.0の10倍くらいの速度みたいだ。

東工大は教育機関なのに対して、理化学研究所は結果を求められる独立行政法人。

221 ：デフォルトの名無しさん：2011/12/12(月) 22:25:59.20

既存のコードを使う限りでは京のほうが速いだろう。
ただ、富士通のコンパイラがダメダメだと聞いたけど、
それは解消されたのかな？

222 ：デフォルトの名無しさん：2011/12/12(月) 22:29:03.43

富士通のコンパイラは、8コアCPUへの割り当ては自動らしい。
これ、すごいことだと思うんだけど、
このコンパイラは完成しているのだろうか。

223 ：デフォルトの名無しさん：2011/12/12(月) 22:46:19.38

>>222
openMPに対応してたら各CPUのコアへの割り当ては普通にコンパイラ側でやると思うけど？

224 ：デフォルトの名無しさん：2011/12/13(火) 11:47:52.86

>>223
OpenMPがそんな事やるかよ。やるのはOSだぞ。
>>222が言っているのはNUMAのことだ。
現時点でも普通のLinuxならnumactlを使えばかなりのケースでノードの割り当てができるようになる。
CUDAを使う場合でも、複数GPUを使う場合に、MPIを使う場合に有効だ。

225 ：やんやん ◆yanyan72E. ：2011/12/13(火) 14:16:05.38

なんだ？OpenMPやNUMAを何のことだと思ってるんだ？
というか釣られたか？

226 ：デフォルトの名無しさん：2011/12/13(火) 17:55:43.92

>>222
> これ、すごいことだと思うんだけど、
スパコンの世界では、ずうううっと前からやってるんじゃない？

227 ：デフォルトの名無しさん：2011/12/13(火) 20:56:29.90

じゃあ、そろそろ俺らも本気出すか

228 ：デフォルトの名無しさん：2011/12/14(水) 09:03:43.27

>>227
本気だしたら、負けだと思うんだ。

229 ：デフォルトの名無しさん：2011/12/14(水) 20:16:13.92

4Gamer.net ― NVIDIA，CUDA 4.1をリリース。CUDAコンパイラのソースコード公開も
http://www.4gamer.net/games/076/G007660/20111214033/
中国時間2011年12月14日，NVIDIAは「CUDA 4.1」をリリースした。
最大の注目点は, LLVMベースとなるCUDAコンパイラが搭載されそのソースコードが公開された点だ。
LLVM（Low Level Virtual Machine）はAppleなどが参加する“言語非依存”のコンパイラ環境だ。
NVIDIAは同時に「CUDAプラットフォームのオープン化」を明言し，
LLVMベースとなるCUDAコンパイラのソースコードを研究者やツールベンダーに公開している。
要するに，NVIDIAのGPUでしか利用できなかったCUDA環境がほかのCPUやGPUに広がっていく可能性が出てきたのだ。
たとえばCPUや，それこそRadeonなどの他社製GPUでもCUDAを利用できる可能性が出てきたわけで，
CUDAの標準化をさらに推し進める起爆剤となり得るのである。

230 ：デフォルトの名無しさん：2011/12/14(水) 22:38:03.27

これって、個人でもソースもらえるのかな

231 ：デフォルトの名無しさん：2011/12/14(水) 23:11:41.54

へえ、ソースを公開したんだ。
でも思いっきりOpenCLとかぶるな。
OpenCLが死亡か。

232 ：デフォルトの名無しさん：2011/12/15(木) 08:04:39.43

なんで、OpneCLが死亡するんだ？

233 ：デフォルトの名無しさん：2011/12/15(木) 11:54:57.42

まだ来てなくない？

234 ：デフォルトの名無しさん：2011/12/15(木) 11:59:38.42

Radeon用CUDA作っても、特定の機種用になりそうだな

235 ：デフォルトの名無しさん：2011/12/18(日) 02:35:32.30

そもそもRADEON上でCUDAってマトモに動くのか？
一応HD3000世代のRV670からはFP64対応らしいが

236 ：デフォルトの名無しさん：2011/12/19(月) 02:14:51.68

動かないよ
動かそうとする人も現時点ではいないだろ
まだまだGPGPU向けには問題ありそうだし

237 ：デフォルトの名無しさん：2011/12/20(火) 01:48:20.74

cudaスレだが、
研究室や自分の周りでけで高速化すればいいんだったらcudaでいいんだろうけど
製品に組みこむならintelの普及度やなるべく多くの人に使ってもらえることを
考えるとOpenCLのほうがいいんじゃないかと思ってる。

photoshopのGPU対応もOpenCLでやってるみたいだし。

238 ：デフォルトの名無しさん：2011/12/20(火) 03:10:58.69

Photoshopは現状CUDAとATi Streamです
高速化しようとすると結局はデバイス毎に最適化したプログラムを書くことになるので、
デバイスに特化したライブラリの方が融通が利きます
Parallel NsightでのデバッグはOpenCLではできません

239 ：デフォルトの名無しさん：2011/12/20(火) 03:38:50.36

NVIDIA Opens Up CUDA, Compiler Source Code is Out - Bright Side Of News*
http://www.brightsideofnews.com/news/2011/12/19/nvidia-opens-up-cuda2c-compiler-source-code-is-out.aspx

240 ：デフォルトの名無しさん：2011/12/20(火) 18:56:37.44

CUDAのハードウェア種別を問わない展開が可能になったという事は、
CUDAの上に乗っかる形で実装されているPhysXやOptiX等もまた
ハードウェア種別を問わず動作可能になる可能性があるという事だよな
期待したい

241 ：デフォルトの名無しさん：2011/12/20(火) 22:23:45.55

別にソースコードなくたって、ある程度の知識を持った人なら
CUDAを移植できたと思うけど

242 ：デフォルトの名無しさん：2011/12/20(火) 22:49:46.93

RADEONでPhysXはマーケティングの理由で使えないんだろ？

243 ：デフォルトの名無しさん：2011/12/20(火) 23:19:03.65

AMDがCUDAを実装されるの嫌がってPhysX蹴ったんだっけ

244 ：デフォルトの名無しさん：2011/12/21(水) 19:57:27.52

質問：
GPU側に2次元配列を送るには、
１.2次元を1次元に直してからcudaMallocでメモリ確保→cudaMemcpyで送信
２.cudaMallocPitchでメモリ確保→cudaMemcpy2Dで送信
という2つの方法がありますけど、
構造体のメンバーに2次元配列があるものをGPU側に送る場合はどのようにしたらいいんでしょうか？

245 ：デフォルトの名無しさん：2011/12/21(水) 20:20:10.20

ポインタじゃなく配列ならそのままでうまくいかんか？

246 ：デフォルトの名無しさん：2011/12/21(水) 21:23:30.55

>>244
再度検証してたけど、サジ投げた。
最終的には以下の構造体をGPU側に送信して処理した後、CPU側に戻したい。
typedef struct test{
int a; int b[5];
}TEST;

typedef struct data{
int c; TEST d[1][10];
}DATA;
上をcudaMallocでメモリ確保＆cudaMemcpy送信しようとしてるけど、違うのかな。
教示お願いします。

247 ：デフォルトの名無しさん：2011/12/21(水) 21:36:40.66

そのまま転送すればいいじゃん

248 ：デフォルトの名無しさん：2011/12/21(水) 21:49:19.70

>>246です。
すいません。できました。お騒がせしました。

249 ：デフォルトの名無しさん：2011/12/22(木) 08:21:40.56

>>229
このコンパイラって、謎のCをPTXに変換する部分だけじゃないの？
今のフロントエンド(cudafe)は、他社製品のEDGベースだから、出てこないと思うが。
　cudafe -> PTXへのコンパイラ(今だとnvopencc) -> ptxas
のまんなかが出来るだけなので、この部分のソースがあったところで、CUDAコンパイラを自分で作れるとか、
CUDAを他のプロセッサで動かせるようになるとかいうものではない。

250 ：デフォルトの名無しさん：2011/12/22(木) 13:07:41.69

.cファイルがコンパイルできません
たすけて

251 ：デフォルトの名無しさん：2011/12/22(木) 13:13:00.92

んｖｃｃじゃできんだよ

252 ：デフォルトの名無しさん：2011/12/26(月) 15:17:58.63

あの、OpenCLってオワコンなの？IntelとAMDが支持してるのに全然盛り上がってないんだが。

253 ：デフォルトの名無しさん：2011/12/26(月) 21:25:42.32

科学技術計算向けがtesla一択だから他を使う理由もないってっところなのかね。
わざわざcudaで組んだものを他に移植する理由もないだろうし。

254 ：デフォルトの名無しさん：2011/12/26(月) 21:42:01.58

OpenCLで書くと長くなってしまう。
それだけのこと

255 ：デフォルトの名無しさん：2011/12/27(火) 02:04:51.35

C++ Bindings使えよ。

256 ：デフォルトの名無しさん：2011/12/27(火) 10:05:27.99

ちょっとしたラッパーかくのも嫌なのか

257 ：デフォルトの名無しさん：2011/12/27(火) 11:26:29.65

超素人の質問です。
コマンドラインでnvccを使いコンパイルを行っているのですが、OpenGLのサンプルコードをコンパイルできません。
freeglutを入れてます。
gcc -lglut program.cではコンパイル可能でした。
しかしnvcc -lglut program.cuとするとコンパイル不可となります。
-Lや-lによってライブラリやヘッダファイル先を指定したところで、コンパイルできませんでした。
阿呆な質問かもしれませんが、自己解決できそうにないのでよろしくおねがいします。

258 ：デフォルトの名無しさん：2011/12/27(火) 11:33:58.46

凄いアフォだな
エラーメッセージすべてコピペし

259 ：帝徒＝繪璃奈＝啓北商業の野島えり：2011/12/27(火) 14:53:52.03

主犯少頭劣一族＝蔗冽一族とは

中国華喃の山の梺の村八分の家。

二間位の横長で玄関の右側がお勝手。

大正に猿のままで生まれたのが

鈴木あゆみ(网(アミ) 范襤の子)

フィリピン人の范襤と同じくフィリピン人のモンゴルに逃げた『シバ』との間の男児。

日本名鈴木ひろしと聞いた。

その後、親戚の鈴木大樹を殺し戸籍を使用。

今は一文字雉。

260 ：デフォルトの名無しさん：2011/12/29(木) 21:08:02.00

母体になるプログラムなしで、
CUDAのコード単体で動かせるツールって無いかねぇ。
外出先でCUDAのサンプル見せるのがメンドイ。
例えば ./cuda-run < source.cuda みたいな感じで実験できるといい感じ。
codepadみたいな感じで動かせればなおよしだけど。

261 ：デフォルトの名無しさん：2011/12/29(木) 22:01:29.67

そういうスクリプトかけばよい

262 ：デフォルトの名無しさん：2012/01/05(木) 10:51:17.15

>>260
＞母体になるプログラムなしで、
それってなんのこと? 外出先のPCで動かしたいってこと?
コンパイラのことなら、事前にコンパイルしておくかリモートでアクセスすればいい。
ドライバのことなら、外出先の端末にインストールさせて貰うしかない。
外出先のPCなんか頼らず、自前のPCを持っていけばいいじゃん。

263 ：デフォルトの名無しさん：2012/01/05(木) 13:36:51.62

>>257
手元に開発環境がなく、エラーメッセージをコピー忘れしてました。すみません。

# cc Drawtest.c -lglut
# ./a.out

（空のウィンドウが製作される）
（Drawtest.cをDrawtest.cuに中身は同じで拡張子だけ変えて）

# nvcc Drawtest.cu -lglut
/usr/bin/ld: skipping incompatible /usr/local/cuda/bin/../lib64/libglut.a when searching for -lglut

（-lglutを見付かられなかった？）

# nvcc -L /usr/local/cuda/lib64/ -l /usr/local/cuda/include/ Drawtest.cu -lglut
/usr/bin/ld: cannot find -l/usr/local/cuda/include/
collect2: ld はステータス 1 で終了しました

となりました。

264 ：デフォルトの名無しさん：2012/01/05(木) 14:25:08.28

インクルードパスの指定は -l じゃなくて -I な

265 ：デフォルトの名無しさん：2012/01/05(木) 15:05:37.06

/usr/bin/ld: skipping incompatible～って64/32ビット混在時のエラーメッセージじゃなかったかな

266 ：デフォルトの名無しさん：2012/01/05(木) 15:09:35.86

>>264
なんというミス。
目で見て違いが分からない。
L（小文字）→i（大文字）に変えて同じようにしてみました。
# nvcc -L /usr/local/cuda/lib64/ -I /usr/local/cuda/include/ Drawtest.cu -lglut
/usr/bin/ld: skipping incompatible /usr/local/cuda/lib64//libglut.a when searching for -lglut
/usr/bin/ld: skipping incompatible /usr/local/cuda/bin/../lib64/libglut.a when searching for -lglut

結局パス指定なしと同じ見たいですね。

267 ：デフォルトの名無しさん：2012/01/05(木) 15:37:13.27

おれも64/32の違いかと思ったが、パス指定から指摘してみた
実行している環境は？ -m64 オプション付けてみ

268 ：デフォルトの名無しさん：2012/01/06(金) 13:53:42.06

# nvcc -L /usr/local/cuda/lib64/ -I /usr/local/cuda/include/ Drawtest.cu -lglut -m64
/usr/bin/ld: skipping incompatible /usr/local/cuda/lib64//libglut.a when searching for -lglut
/usr/bin/ld: skipping incompatible /usr/local/cuda/bin/../lib64/libglut.a when searching for -lglut
ううむ・・・・。

centOS 64bit
Device 0: "Quadro 4000"
Device 1: "GeForce 9500 GT"
パスは
LD_LIBRARY_PATH = /usr/local/cuda/lib64
です。
openGLのないコードはコンパイル及び実行まで問題ありません。

openGLを使うにあたって
/usr/local/cuda/include/にglut.h freeglut.h freeglut_ext.h freeglut_std.h
/usr/local/cuda/lib64/にlibglut.a
をコピペしましたが、まだ足りないのでしょうか？

269 ：デフォルトの名無しさん：2012/01/06(金) 13:59:40.26

libglutは64ビット？
32ビットなんじゃねか？

270 ：デフォルトの名無しさん：2012/01/06(金) 15:03:44.65

glut.h freeglut.h freeglut_ext.h freeglut_std.h libglut.aをccが見ているであろう先のものと置き換えてしてみました。

# nvcc -L /usr/local/cuda/include/ -I /usr/local/cuda/include/ Drawtest.cu -lglut -m64
/tmp/tmpxft_000030a4_00000000-12_Drawtest.o: In function `disp()':
tmpxft_000030a4_00000000-1_Drawtest.cudafe1.cpp:(.text+0x14e6): undefined reference to `glClearColor'
tmpxft_000030a4_00000000-1_Drawtest.cudafe1.cpp:(.text+0x14f0): undefined reference to `glClear'
/usr/local/cuda/bin/../lib64/libglut.a(libglut_la-freeglut_init.o): In function `glutInit':
…
(中略)
…
(.text+0x898): undefined reference to `glPopClientAttrib'
collect2: ld はステータス 1 で終了しました

openGL系の関数が読まれていないみたいです。

271 ：デフォルトの名無しさん：2012/01/06(金) 15:37:17.18

いや、だからfreeglutは64ビットを使用してるのかと聞いてるんだが
質問に対しきちんと回答できないようでは教えようがない罠

272 ：デフォルトの名無しさん：2012/01/06(金) 18:39:39.36

>>271
freeglutは64ビットのものを入れ直してやってみましたが、同じ結果になりました。

>>257
そこでCUDAのヘッダフォルダとライブラリフォルダに入れていたものを消し、-Lと-Iで直接freeglutのフォルダを指定したら
解決しました。
ライブラリが足りなかったのか、それともCUDAと一緒くたにしたのがダメだったのか解かりませんが、ちゃんとPATH通せってことみたいです。
お騒がせしました。

273 ：デフォルトの名無しさん：2012/01/06(金) 19:45:07.40

>>262
だよねぇ・・・

274 ：デフォルトの名無しさん：2012/01/06(金) 20:14:34.67

環境
Windows7 Professional 64bit
Microsoft Visual C++ 2010 Express Version 10.0.40219.1
Microsoft .NET Framwork Version 4.0.30319
GeForce GTX 580
CUDA Toolkit 4.0.17
SDK 4.0.19
devdriver_4.0_winvista-win7_64_270.81_general

このサイトを参考に環境を構築しました。
http://feather.cocolog-nifty.com/weblog/2011/07/visual-studio-2.html
そして以下のサイトのサンプルプログラムを実行してみました。
http://www.gdep.jp/page/view/218
Hello,Worldと99 bottles of beerはcpu、gpu共に実行できました。
しかし、Matrixのプログラムはcpuの方は実行できるのですがgpuの方が実行できません。
以下のエラーを吐きます。
matrix_gpu.cu(5) : fatal error C1083: Cannot open include file: 'cutil_inline.h'
: No such file or directory
どうやらVisualStudioのパスがうまく通ってないということまでわかり、以下のサイトなどを参考にCUDA_INC_PATHなどを変えてみましたが、一向に変わりません。
http://d.hatena.ne.jp/Levi/20090921/1253535802#c
SDK内のcutil_inline.h自体をtoolkitのincフォルダにコピペすると、他の.hファイルもいくつか同じエラーが出たのでエラーになったものをすべてコピペしたところ、LNK2019"link.exe"というエラーで先に進めませんでした。
一度VisualStudioを再インストールしてみましたが、状況は変わりません。
Nvidia GPU computing SDK Browserではサンプルプログラムを実行できているので、CUDAの環境は整っていると思われます。
どうすれば解決できますでしょうか・・・。かれこれ１週間以上格闘しています。
VisualStudioは2010よりも2008にした方がいいでしょうか？

275 ：デフォルトの名無しさん：2012/01/06(金) 20:23:04.24

C初心者にはきついと思うんだが…
とりあえず 'cutil_inline.h'のある場所を見つけて
そこを-I　/'cutil_inline.hのある場所'と指定する

意味わからなければCのコンパイルを勉強すること

276 ：デフォルトの名無しさん：2012/01/06(金) 20:39:53.25

274ではありませんが､「Cのコンパイル」の勉強にオススメの書籍とかありましたら紹介していただけるとうれしいです

277 ：デフォルトの名無しさん：2012/01/06(金) 20:55:31.81

275だけど、お薦めは他の人に任せるけど
一つ言えるのはCUDAはC/C++より数段難しい
C/C++の質問をしてるようでは先が思いやられる、と正直思うんだが…

超低レベルな質問もOKなくだすれだけど、その程度は自力で調べる能力が必要ではないだろうか？

278 ：デフォルトの名無しさん：2012/01/06(金) 21:22:02.03

>>275
>>274です。ありがとうございます。
今実行できる環境にないので後で試してみます。
また結果報告しにきます。

279 ：デフォルトの名無しさん：2012/01/07(土) 12:14:43.10

一時期は同価格帯のCPUとGPUを比較してGPUは５０倍の性能があるって言われてたけど
今１０～１５倍程度しか無くない？

3930k
５万円
158GFlops

GTX590
６．３万円
2480GFlops

GTX 580
３．８万円
1500GFlops

次に出ると言われてるGTX700系は500系の２倍の性能らしいけどそれでも５０倍には遠く及ばない。
この「同価格帯でGPUはCPUの１０～１５倍程度の性能しかない」という評価は正しいだろうか？

280 ：デフォルトの名無しさん：2012/01/07(土) 12:43:15.62

>>279
それは単にCPUは1コアとして比較しているからGPUを使えばうん十倍と言われるんだよ。
単純にメモリ帯域で3～4倍、演算器としては、単純にAVXの8並列x6コアxクロック2倍で比較すると5倍にしかならない。
CPUは大きなキャッシュがあるから局所性の高い処理の場合はメモリ帯域の差が縮まるので、10倍差がつくならいい方。
もちろんアプリによるけど、CPU向けのコードがカリカリに最適化されていた場合は思ったほど差がつかない印象。
それでも3～5倍位は早くなるからいいんだけどね。
問題はメンテナンスだな。。。CUDAのみと割り切れればいいんだけど、なかなかそうは行かないからなあ。

281 ：デフォルトの名無しさん：2012/01/07(土) 16:09:01.15

>>279
GTX580で500GFLOPS程度。そのデータはおかしい
CPUなんてE8500で25GFLOPSくらいだから20倍程度だな。
もちろん最近のコア多いやつならもっと差は縮まるだろうな。

それに理論値の話だから多数のスレッドでまわしたらコンテキストスイッチの
オーバーヘッドとかGPUプログラミングは難しくて効率上げるの難しいとか
そういうので実効は変わってくるんじゃね？

282 ：デフォルトの名無しさん：2012/01/07(土) 16:14:51.24

あ、同一価格帯か、E8500が2万しなかったことを考えると
580にそろえて2倍したとして10倍程度だから、まあおおざっぱには
「同価格帯でGPUはCPUの１０～１５倍程度の性能しかない」は正しいんじゃないかと思う。

580と同時期の4万弱のCPUならもっと差は縮まるだろうし。

283 ：デフォルトの名無しさん：2012/01/07(土) 16:22:20.40

32nmと40nmで比較とか

284 ：デフォルトの名無しさん：2012/01/07(土) 21:34:45.46

void *p;
CUDA_SAFE_CALL(cudaSetDevice(0));
CUDA_SAFE_CALL(cudaMalloc(&p, 16));

でcudaMallocからcudaError_enum例外が飛ぶのですが
原因はなにが考えられますか？
ちなみにSDKのサンプルは動きます。

285 ：284：2012/01/07(土) 22:23:52.14

異なるディレクトリに複数のCUDAのライブラリが入ってて
古いバージョンが参照されてるのが原因だった・・・

286 ：デフォルトの名無しさん：2012/01/08(日) 14:34:35.46

CUDA4.1でcomputeProfはnvvcになったんですか？
だいぶ代わってしまって驚きますた

287 ：デフォルトの名無しさん：2012/01/08(日) 14:35:50.30

nvvp

288 ：デフォルトの名無しさん：2012/01/08(日) 20:50:11.30

>>282
GPUの論理性能ってFMAとかMADとかの積和で倍になっているから、
GTX 580 1500GFlopsとかって、それらを使わなければ750GFlopsとかになるんだよな。
だから実効れべるではもっと縮まるんだろうな。それでも5倍以上差がでるとかなり有効なんだけど。

289 ：デフォルトの名無しさん：2012/01/09(月) 10:37:28.98

個人で買うやつも居るのかね？
ttp://page16.auctions.yahoo.co.jp/jp/auction/u38857709

290 ：デフォルトの名無しさん：2012/01/09(月) 12:04:44.39

いる。というか俺が買う。

291 ：デフォルトの名無しさん：2012/01/09(月) 13:09:16.68

こういう需要が限られていてかつ堅くて高い製品はamazonに出した方が高く売れるんじゃないかねえ。

292 ：デフォルトの名無しさん：2012/01/09(月) 18:01:50.03

>>275

274です。
-Iオプションを付けてヘッダファイルのある場所を指定してみましたが、相変わらず同じエラーです。

C:\cuda_practice\test>nvcc -o matrix_gpu.exe matrix_gpu.cu -I C:\ProgramData\NVIDIA Corporation\NVIDIA GPU Computing SDK 4.0\C\common\inc
matrix_gpu.cu
matrix_gpu.cu(5) : fatal error C1083: Cannot open include file: 'cutil_inline.h': No such file or directory

自分でも試行錯誤してみますが周りにcudaがわかる人がいなくて行き詰ってます・・・。

293 ：デフォルトの名無しさん：2012/01/09(月) 18:20:34.55

もっとコンパイル早くなんねーかなぁ…
thrust::sortとか使うようにしただけでコンパイルに十数秒かかってイライラする

294 ：デフォルトの名無しさん：2012/01/09(月) 20:40:26.69

速いマシンでやる。

295 ：デフォルトの名無しさん：2012/01/09(月) 20:45:40.42

nvccコンパイラをGPGPUで実装すればいい！

CUDAがオープンになるどさくさにまぎれてそういうのを作る人が出るかもしれないこともないかも

296 ：デフォルトの名無しさん：2012/01/09(月) 21:57:43.85

コンパイラの動作は現状GPU向きとは言えないんじゃね？
GPU自体が単純な性能向上だけではない、思いもよぬ進化でもしない限り

297 ：デフォルトの名無しさん：2012/01/09(月) 22:54:12.52

コンパイルなんて依存関係ありまくりで、並列処理が苦手な最たるものだからまずやる意味がないだろう。
CUDAにすれば何でも速くなると思ってんじゃね？

298 ：デフォルトの名無しさん：2012/01/10(火) 17:15:02.61

sharedメモリって同一WARP内でのやり取りだったら同期なしで大丈夫なのでしょうか？
たとえば全部で32スレッドで次のkernelを実行した場合、
WARP内で一斉にsharedメモリに書きに行くので同期しないで大丈夫かと
思ったのですが、実際にはうまくいきません。
globalメモリに読みに行く段階でコアレッシングが発生していないので
それが原因なのでしょうか？
どなたか教えてください。

__global__ void kernel(float *g_v, float *g_x){
float x = 0.0f;
int i = blockDim.x * blockIdx.x + threadIdx.x;
__shared__ float s_v[32];

s_v[i] = g_v[i+i%3];
__syncthreads(); // これが必要かどうか？
x = s_v[(i+3)%32];
g_x[i] = x;
}

299 ：デフォルトの名無しさん：2012/01/10(火) 17:35:07.81

>>292

参照パスを ""で囲む♪

300 ：デフォルトの名無しさん：2012/01/10(火) 17:39:16.65

>>298

iが３２以上になることはないかい？？

ブロックの数は？？

301 ：274：2012/01/10(火) 17:52:39.67

>>299
書き込みしてからそのミスに気付きました・・・。
それを直してもうまくPathが通らなかったので、CUDA4.0、VisualStudio2008でやることにしました。

302 ：デフォルトの名無しさん：2012/01/10(火) 17:56:37.24

>>298
fence入れてないからじゃね。

303 ：298：2012/01/10(火) 17:59:16.44

>>300
ごめんなさい、書いたコードが一部誤ってました。
iが32以上になることがあります。
ブロック数は数100程度になります。
このときは、下のソースのようになると思うのですが、
やはりうまくいきません。

__global__ void kernel(float *g_v, float *g_x){
　float x = 0.0f;
　int i = blockDim.x * blockIdx.x + threadIdx.x;
　__shared__ float s_v[blockDim.x];

　s_v[threadIdx.x] = g_v[i+i%3];
　__syncthreads();　　　// これが必要かどうか？
　x = s_v[(threadIdx.x+3)%32];
　g_x[i] = x;
}

304 ：デフォルトの名無しさん：2012/01/10(火) 18:12:32.43

>>303
コンパイル後のバイナリを見たわけじゃないから予測だが、
s_v[threadIdx.x] = g_v[i+i%3];
x = s_v[(threadIdx.x+3)%32];
g_x[i] = x;
は
1.1:tmp=g_v[i+i%3]; 　　//グローバルアクセスなので遅い
1.2:s_v[threadIdx.x]=tmp;　//
2.1:x = s_v[(threadIdx.x+3)%32];
3.1:g_x[i] = x;
みたいに解釈される。
で、単純な式だからコンパイラは
s_v[threadIdx.x]とs_v[(threadIdx.x+3)%32];
が必ず別のアドレスになる事を検知して
1.1 2.1 3.1 1.2のように命令を入れ替えてしまう。
だから__threadfence_block()がいるはず。

305 ：298：2012/01/10(火) 18:17:13.87

>>302 >>304
ありがとうございました。
試してみたいと思います。

306 ：デフォルトの名無しさん：2012/01/10(火) 19:45:54.97

>> 305

だいたい　　x = s_v[(threadIdx.x+3)%32]; 　の前にすべてのs_v[??}が定義されていないといけないだろ？？

スレッドが３２に設定されているのならば　(threadIdx.x+3)%32　は０か１にしかならないが．．．

307 ：デフォルトの名無しさん：2012/01/10(火) 21:10:42.27

>>301

-lcutil32 とその参照パスを追加すれば Visual Studio 2010 でもコンパイル，実行できる♪

ちなみに私の場合は

nvcc matrix.cu -I "C:\ProgramData\NVIDIA Corporation\NVIDIA GPU Computing SDK 4.0\CUDALibraries\common\inc" -L "C:\ProgramData\NVIDIA Corporation\NVIDIA GPU Computing SDK 4.0\CUDALibraries\common\lib\Win32" -lcutil32

tmpxft_000024b8_00000000-3_matrix.cudafe1.gpu
tmpxft_000024b8_00000000-8_matrix.cudafe2.gpu
matrix.cu
tmpxft_000024b8_00000000-3_matrix.cudafe1.cpp
tmpxft_000024b8_00000000-14_matrix.ii

C:\cuda> a
Processing time: 1936.354858 (msec)

Press ENTER to exit...

308 ：デフォルトの名無しさん：2012/01/10(火) 21:12:58.21

ちなみに家のはGeForce GT 220なので非力．．．．

309 ：306：2012/01/10(火) 22:21:29.79

間違えた
　↓
(threadIdx.x+3)%32　は０か１にしかならないが．．．

３２で割った余りであった．．．

310 ：298：2012/01/11(水) 09:16:02.50

>>306 >>309
いろいろ試してみたところ、とりあえず上記の問題は解決しました。
回答ありがとうございました。

311 ：デフォルトの名無しさん：2012/01/11(水) 11:25:42.40

すごい。
見た感じ、ちょっと不安だったから
参考になったみたいでよかった。

312 ：274：2012/01/11(水) 19:30:44.93

>>307
VS2008でもうまくできませんでした。
再度VS2010を入れてみるも手順通りいかず、当然実行もできませんでした。
リカバリしたのでこれからもう一度2010でやってみます。もう心が折れそうです・・・。
ちなみに2010expressとprofessionalの違いで実行できないこととかあり得ますか？
別のPCでprofessionalで試してみてくれた方がいて、うまくできたようなのですが・・・。

313 ：デフォルトの名無しさん：2012/01/11(水) 20:43:20.68

>>312

どんなエラーがでますか？

そもそもnvccでコンパイルするのだから，Visual Studioは関係ないでしょう？

VisualStudioのないLinux上でもコンパイル，実行できるはず．

もう一度やるのならばライブラリ lcutil32を付ければ良いかと（３２ビットならば）

314 ：274：2012/01/12(木) 01:51:21.33

>>313
VisualStudioであれば多少使ったことがあるので導入しました。
少なくともwindowsでは「nvccがVisualStudioのcl.exeを必要とする」と複数のサイトに書いてあるようです。
http://gpu.fixstars.com/index.php/Windows_Vista_%E3%81%ABCUDA%E9%96%8B%E7%99%BA%E7%92%B0%E5%A2%83%E3%82%92%E3%82%A4%E3%83%B3%E3%82%B9%E3%83%88%E3%83%BC%E3%83%AB%E3%81%99%E3%82%8B
http://exth.net/~ohshima/wordpress/category/windows/

エラーはプロジェクトをビルドしたときに「CL.exeがないからビルドできない」というものでした。
そもそもcl.exeは32ビットのコンパイラらしいのですが、64ビットPCでも使うのでしょうか？

また以前、いい感じのところまでいったときのエラーは

C:\cuda_practice\test>nvcc -o matrix_gpu.exe matrix_gpu.cu
matrix_gpu.cu
tmpxft_00000bc0_00000000-3_matrix_gpu.cudafe1.gpu
（省略）
symbol __imp_cutCheckCmdLineFlag referenced in function "void __cdecl __cutilExi
t(int,char * *)" (?__cutilExit@@YAXHPEAPEAD@Z)
matrix_gpu.exe : fatal error LNK1120: 6 unresolved externals

でした。
どうやらリンカーの設定を見直せとのことだったのでhttp://www.scribd.com/doc/66757447/を参考に
VisualStudioでプロジェクトのプロパティから「リンカ > 入力 > 追加の依存ファイル」にcutil32.lib, cutil64.lib を追加。
しかし「cutil64.libが見つからない」とのエラー。
実際に探してみてもcutil64.libがどこにも見つかりませんでした。

今まで3回もリカバリしてやってみましたが、どうもPathがうまく通せていない気がします。

もうすでにリカバリしてしまったので、明日また環境構築をはじめからやり直します。。

Linuxの環境はないんです、すみません・・・。
今の環境はWindows7 64bitです。
詳しくはこちら>>274に書きました。

315 ：デフォルトの名無しさん：2012/01/12(木) 07:17:27.30

>>314

はじめはVSのプロジェクトを構築するのではなく、VSの（32bit用の）コマンドプロンプトを立ち上げて、そこで
コマンドを打ち込み、コンパイル、実行した方がよいのでは。

これがうまく行ってから、プロジェクトの構築をした方がよいでしょう。

cutil64.libがないと言うことは64bit用のSDKがインストールされていないのでは？

ここにあるはず。

C:\ProgramData\NVIDIA Corporation\NVIDIA GPU Computing SDK 4.0\CUDALibraries\common\lib\x64

プロジェクトを構築するときに32bit, 64bit、あるいは両方の実行ファイルを作るかどうか設定できますよ。

316 ：デフォルトの名無しさん：2012/01/12(木) 07:18:06.91

>>314
64bit版のcl.exeがある。
見つからないなら-ccbinオプションでcl.exeの場所を指定。

cutil32.libとcutil64.libを両方指定してはいけない。どちらか必要なものを。
で、cutil64は確か自分でビルドする必要がある。
SDKのディレクトリの中にプロジェクトファイルがあるからそれをビルド。

317 ：デフォルトの名無しさん：2012/01/12(木) 08:36:26.90

http://codepad.org/Kyns70af
上記のプログラムが期待と違う結果を出力するのだが原因がわかる方がいれば教えていただけないだろうか．
（CUDA 3.2 + GeForce 320M + Fedora 14 環境と CUDA 3.2 + Tesla C1060 + CentOS 5.5 環境でテスト）
-- 期待した出力 --
1.00
0.00
1.00
0.00
1.00
0.00
1.00
0.00
-- 実際の出力 --
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00

ちなみに，11行目の右辺を 2.0f に変更すると期待通りの結果を出力してくれる．
-- 出力 --
1.00
2.00
1.00
2.00
1.00
2.00
1.00
2.00

318 ：317：2012/01/12(木) 08:37:35.44

すみません．
>>317のコードのURLを間違えました．
誤: http://codepad.org/Kyns70af
正: http://codepad.org/cfbTSsdF

319 ：デフォルトの名無しさん：2012/01/12(木) 09:55:39.89

やってみたけど、問題は再現されなかった

cuda_funcの中に

printf(" %d %d %f\n",threadIdx.x,threadIdx.x & 1,a[threadIdx.x]);

を入れて、チェックしてみれば？？

ちなみにこんな結果となる

0 0 1.000000　　　<- cuda_funcの中では問題はなさそう
1 1 0.000000
2 0 1.000000
3 1 0.000000
4 0 1.000000
5 1 0.000000
6 0 1.000000
7 1 0.000000
1.00 <--　外でも問題はなかった
0.00
1.00
0.00
1.00
0.00
1.00
0.00

320 ：デフォルトの名無しさん：2012/01/12(木) 10:24:08.53

>>317
同じく問題再現されず（CUDA4.1 + GF560Ti）
そのデバイス両方とも compute capability 1.x だし
2.x 環境で試してみたらどうだ

321 ：317：2012/01/12(木) 10:56:51.02

>>319 >>320
コメントありがとうございます
現在の私の環境ではカーネル関数内で printf は使えないですが
変なことになるのは私の環境だけのようなので Compute capability 2.x 環境で後日試してみます

322 ：デフォルトの名無しさん：2012/01/12(木) 11:18:04.11

ちなみにcuPrintf.cuh　とcuPrintf.cu　をネット上からひらってくれば、printfと同等の関数（cuPrintf）が使えますよ♪

323 ：デフォルトの名無しさん：2012/01/12(木) 11:57:42.71

CUDA 3.2のコード出力に問題がある気がします。
カーネル部分をどうも
a[threadIdx.x] = (float)(FUNC(-(threadIdx.x & 1));
に変換しようとしている気配が。
FUNCはISET.S32命令による処理だけどそれがミスっているとしか思えない。

自分で以下のように書くか、あるいはFermi以降またはCUDA4.0以降を使うべし。
a[threadIdx.x] = (float)(1 - (1 & threadIdx.x));

ちなみに実行はしてないので同じ問題が起こるかどうかは知りません。

324 ：274：2012/01/12(木) 13:42:05.81

>>315 >>316
ありがとうございます。
とりあえず315さんの通りコマンドライン上で実行できるところを目指そうと思います。

cl.exeを指定するオプションがあるんですね。
自分はコンパイラオプションの勉強不足のようです・・・。
cutil64は自分でビルドするんですか、それは今までやってなかったと思います。

恐縮ですが、これから環境を整えるので何か参考になるサイトがあれば教えていただけますか？
いくつかサイトを見て設定したのですが、どれもうまくいかなかったので・・・。

何度もすみません。よろしくお願いします。

325 ：デフォルトの名無しさん：2012/01/12(木) 16:35:09.29

質問です。
同じkernel関数をfor文で何度も実行するのですが、
回数によって1回あたりのkernel関数の実行時間が異なるみたいです。
具体的には
for(i=0; i<10000; i++){
　kernel_foo <<<grid_size, block_size >>>(...);
}
とすると300,000msかかるのが
for(i=0; i<100; i++){
　kernel_foo <<<grid_size, block_size >>>(...);
}
では1,000msくらいになります。同じ関数を実行しているので
単純に考えれば10000回ループを回したときは100回の100倍時間がかかるはずですが、
実際には300倍程度になりました。
もう少し細かく見てみると、最初60回程度はkernel関数を1回実行するのに0.04ms程で済んでいたのですが
それ以降は1回あたり25ms程になっていました。
似た事例として
ttp://d.hatena.ne.jp/ymizushi/20091214/p1
という記事を見つけましたが、この記事内でも原因はよく分かっていません。
どなたか詳細をご存じないでしょうか？

326 ：デフォルトの名無しさん：2012/01/12(木) 17:29:28.93

>> 324

参考になるやら、ならないやら

http://www.fxfrog.com/?p=3660
http://www.ademiller.com/blogs/tech/2011/05/visual-studio-2010-and-cuda-easier-with-rc2/
http://cudasample.net/sample/1/001.html
http://tech.ckme.co.jp/cuda_first.shtml
http://cudasample.net/
http://others2.blog.so-net.ne.jp/2010-09-12

>> 325

1．カーネルの中の演算数がiによって異なる

2. 60回目で解が発散し NaNになっているが、お構いなしに計算は続けられている

3. カーネルからCPUにメモリーコピーしている時間が紛れ込んでいる

かな？

327 ：274：2012/01/12(木) 17:37:04.49

>>326
ありがとうございます。
全て拝見しましたが既読のものでした。やはり普通に設定すればできるようですね・・・。
今格闘しているので、また報告します。

328 ：325：2012/01/12(木) 17:50:39.27

>>326
ありがとうございます。
全項目について確認してみましたが、
1. 演算数はどれも一定
2. ループ回数によらず正しい値が得られている
3. 測定時間中にcudaMemcpy等の関数は呼ばれていない
という状態です。

329 ：デフォルトの名無しさん：2012/01/12(木) 18:22:29.85

>>328
1プロセスで2つのカーネル実行してるなら順番入れ替えて試してみた？
最初の実行は起動コストだかで時間かかるのが普通なんだが

330 ：デフォルトの名無しさん：2012/01/12(木) 19:29:37.96

時間の計測が間違っている。
cudaThreadSynchronize()を読んだあとに終了時刻を取得する必要がある。
1024個までのカーネル呼び出しはキューに積むだけですぐに次に進んでしまう。
30000回ループの方はキューが詰まるので(30000-1024)回くらいの実行完了を待つことになり、比較的妥当な計算時間に見えるはず。
もちろん正確ではないのだが。

331 ：325：2012/01/12(木) 19:35:41.01

>>329-330
回答ありがとうございました。
cudaThreadSynchronize()を入れるのを失念しておりました。

332 ：デフォルトの名無しさん：2012/01/12(木) 20:59:37.22

cudaDeviceSynchronize()
がナウいらしい

333 ：sage：2012/01/13(金) 08:22:49.98

>>330
便乗して質問ですが、
キューに一度に入るカーネル数が1024個で、
それ以上はカーネル呼び出しが待ちになるというのは、
CUDAのマニュアルかどこかに書いてありますか？

334 ：デフォルトの名無しさん：2012/01/13(金) 09:57:50.47

>>333
実験したらそうだったけど、文書化されているかどうかは知らない。
これだけ多ければ普通は問題ないし、バージョンアップで変わるかも。

335 ：デフォルトの名無しさん：2012/01/13(金) 11:09:53.09

>>334

了解しました。
どうも有難うございました。

336 ：デフォルトの名無しさん：2012/01/13(金) 16:58:47.32

それにしても　きゅー　にカーネルが溜まっているからと言って，GPUの処理能力が落ちるとは思えないぞ

337 ：デフォルトの名無しさん：2012/01/13(金) 17:17:25.93

きゅー　にカーネル田丸？
それってstream使ってる時のこと？
文脈呼んでないからわからんけど

338 ：デフォルトの名無しさん：2012/01/13(金) 20:07:11.66

キューに空きがあれば積んで即制御が戻る。
空きが無ければ空くまで待ってる。

詰まってるから遅くなるわけではなく、遅い方が正しい実行時間なだけ。

339 ：デフォルトの名無しさん：2012/01/18(水) 22:19:57.72

CUDA4.0からデバイスエミュレーションがなくなったらしいけど
実機で実行するとOSごと固まることがある
みんなどうしているのでしょうか

340 ：デフォルトの名無しさん：2012/01/19(木) 00:43:55.87

デバイスを物理的に叩き割る

341 ：デフォルトの名無しさん：2012/01/19(木) 04:33:29.60

2.3くらいからなかったような気が

342 ：デフォルトの名無しさん：2012/01/19(木) 15:25:40.77

>>339

具体的には？？

343 ：デフォルトの名無しさん：2012/01/20(金) 18:49:16.04

>>342
メモリアクセスのバグがあるとWindowsが固まって動かなくなったり
ディスプレイにノイズが出てくる
OSが画面表示に使っている領域を壊しているようだけど
普通は起こらないことなんでしょうか？

344 ：デフォルトの名無しさん：2012/01/21(土) 10:42:26.35

私の経験では、CUDAのプログラムをチェックするために printf を使って変数を書き出したところ、
その量が多すぎて、画面が真っ暗になったり、PCがシャットダウンしたことがあった。

書き出し量を減らしたところ、問題はなくなった。

こんなことかな？？

345 ：344：2012/01/21(土) 11:00:22.89

追加です。

グラフィックカードを2枚刺して、一枚をCUDA用、もう一枚をディスプレイ用にすればよいとのことを聞いたことがあるが、
私のはGTX５９０でカードが2枚、入っているとのこと。

CUDAの計算に Device(0)にしても(1)にしても、前述の問題が起きたので、枚数には関係ないこともあるらしい？？

346 ：デフォルトの名無しさん：2012/01/22(日) 05:18:00.51

printf使えるとか便利になったわ

347 ：デフォルトの名無しさん：2012/01/22(日) 16:18:23.06

>>344
fermiではないのでprintfは使えないです。
GTX260なんですけど、それが悪いのかも。
計算用GPUを別に刺すってのは考えていました。
ただ、そうするべきという常識みたいなものがあるのかなっていう疑問があったので。

あとこういう状態でデバイスエミュレーション外したならひどい話だなと思ったのですが
みなさんあまり起きていないようで。

348 ：デフォルトの名無しさん：2012/01/22(日) 16:23:00.85

グローバルメモリの添え字計算計算が間違っていたりで確保した範囲外にアクセスすると
Windowsが固まったりディスプレイにノイズが出てくることがあるって状態です。

349 ：やんやん ◆yanyan72E. ：2012/01/22(日) 16:48:55.32

グラフィックカード二枚差しにすると、
nSghtでハードウェアデバッグができるとかじゃなかったっけ？

350 ：デフォルトの名無しさん：2012/01/22(日) 17:02:34.79

YES
もしくはPC2台で片方をデバッグ用にしても良い。

実際に動かすGPUがCUDA対応なら、開発側は非nVIDIAでもOK

351 ：デフォルトの名無しさん：2012/01/23(月) 09:39:54.36

streamについて分からない点があるので
どなたか教えてください。

以下で「カーネル」はカーネル関数の呼び出し、
「転送」はcudaMemcpyAsync、()内はstreamだとします。

(質問1)以下の状態のとき、転送(1)は、カーネル(1)と同じstreamなので
実行できませんが、キュー内でそれより後にある転送(2)は実行できますか？

カーネル(1) 実行中
転送(1) キュー内の最初のタスク
転送(2) キュー内の2番目のタスク

(質問2)以下の状態のとき、転送(2)は実行できますか？
(キュー内で転送(2)の前にstream(0)のタスクがあります）

カーネル(1) 実行中
カーネル(0) キュー内の最初のタスク
　　転送(2) キュー内の2番目のタスク

(質問3)以下の状態のとき、転送(1)は実行できますか？
(実行中のタスクはstream(0)です)

カーネル(0) 実行中
転送(1) キュー内の最初のタスク

「CUDA C Programming Guide」を読んでもよく分かりませんでした。
宜しくお願いします。

352 ：デフォルトの名無しさん：2012/01/23(月) 10:54:29.21

1はFermiならOK。古い世代ではダメ。
2と3は絶対ダメ。stream0は前後をぶった切る役目がある。

353 ：デフォルトの名無しさん：2012/01/24(火) 08:17:05.28

>>352
1の動作がFermiとそれ以前で異なるのは知りませんでした。
回答どうも有難うございました。

354 ：デフォルトの名無しさん：2012/01/24(火) 10:48:47.33

Fermiでプロファイラのtimestampを使ってテストしたところ

カーネル(1) 実行中
転送(HostToDevice)(1) キュー内の最初のタスク
転送(HostToDevice)(2) キュー内の2番目のタスク

だと転送(2)はカーネル(1)と同時に動かず、

カーネル(1) 実行中
転送(HostToDevice)(1) キュー内の最初のタスク
転送(DeviceToHost)(2) キュー内の2番目のタスク

だと転送(2)はカーネル(1)と同時に動きました。

355 ：デフォルトの名無しさん：2012/01/24(火) 19:53:55.48

コンパイル時に以下のエラーメッセージが出ているのですが、
ptxas error : Entry function '...' uses too much local data (0x16054 bytes, 0x4000 max)
これはローカルメモリーと何か関係あるような気がするのですけど、
ちょっとわからないので教えて頂けないでしょうか。
宜しくお願いします。

356 ：デフォルトの名無しさん：2012/01/24(火) 21:03:52.65

それともう1つ。
externを使って、グローバル変数を共有させたいのですが、
ホスト・デバイスともに共有させたい場合はどうしたらいいのでしょうか?

357 ：デフォルトの名無しさん：2012/01/24(火) 21:56:32.01

>　ptxas error : Entry function '...' uses too much local data (0x16054 bytes, 0x4000 max)

単に配列の次元が大きすぎるのでは？

最大　0x4000バイトのところを0x16054 bytes使おうとしている？

> ホスト・デバイスともに共有させたい場合はどうしたらいいのでしょうか?

物理的に無理でないの？

ホスト←→デバイス間でコピーしないといけないのでは？？

358 ：デフォルトの名無しさん：2012/01/24(火) 21:56:54.10

>>355
メッセージそのままの意味だろ。

359 ：デフォルトの名無しさん：2012/01/25(水) 01:32:34.89

CUDAの思想はいいと思うけど、ターゲットデバイスを完全には
隠蔽しきれないのが残念だな。

360 ：やんやん ◆yanyan72E. ：2012/01/25(水) 01:41:55.08

スピード勝負の世界で、しかもかなり複雑なアーキテクチャなのに、
ハードウェアを完全に隠蔽する訳にいかないだろ。

361 ：357：2012/01/25(水) 12:34:12.36

> ホスト・デバイスともに共有させたい場合はどうしたらいいのでしょうか?

ヘッダーファイルに

#DEFINE

などで定義して、ホストとデバイスのプログラムにそのヘッダーファイルをinclude する手があった♪

362 ：355,356：2012/01/25(水) 15:21:00.98

>>358
青木氏の「はじめてのCUDA」に似たようなエラーメッセージが載ってるのですが、
local dataがどの部分の話なのか、ちょっとわからない状態でして...

>>357
>単に配列の次元が大きすぎるのでは？
予定だと1×256スレッドしか使うので、足りないはずないような... 意味が違うか。
ちょっとわからないので詳細お願いします。

>ヘッダーファイルに
>#DEFINE
>などで定義して、ホストとデバイスのプログラムにそのヘッダーファイルをinclude する手があった♪

ちょっと試してみます。それができなかったら、コピーするしかないかもしれません。
__device__ extern TEST test;
のような宣言してて、実行ファイルができたときがあったのですが、何か違うよな、と引っかかってたので、
ここで質問しました。ありがとうございます。

363 ：デフォルトの名無しさん：2012/01/25(水) 17:40:16.56

差し支えなければプログラムをアップしてくださいませ♪

364 ：デフォルトの名無しさん：2012/01/25(水) 18:01:06.82

>>362

このサイトの一番下にある資料の3-41ページにそのエラーメッセージが載っている模様。
ttp://accc.riken.jp/HPC/training.html

365 ：355,356：2012/01/25(水) 18:04:09.31

>>362です。

>>363
申し訳ないのですが、プログラムのアップは出来ないです。すみません。

なんかもう分からなくなったので、ホストとデバイスの住み分けを行ったところ、
「ptxas error...」云々のメッセージが消え、コンパイルできました。
（さっきまでhost,device,global宣言関数がごちゃ混ぜな状態だった。）
何が原因だったのか分からず仕舞いです。

グローバル変数の共有はとりあえず、コンスタントメモリにデータコピーで様子見することにしました。
元コード(.c)をもう一度読み直したところ、デバイス側の方はReadOnlyで十分なようでしたから。

皆様回答ありがとうございました。またよろしくお願いします。

366 ：365：2012/01/25(水) 21:05:50.75

>>364
資料ありがとうございます。
うまくいったと思った途端、また同じエラーが出てきてしまったので、確認します。

.cファイルに.cuファイルを組み込ませるようにしたら、
__host__ __device__で修飾した関数が定義されてないと.cファイル側に言われ、
.cファイルと.cuファイルそれぞれ単独で動かせるようにしたら、
（同じ内容の関数を.cと.cuそれぞれ別名で実体作った。.c:test .cu:ktestみたいな）
今度はさっきと同じエラー。

実行ファイル作るだけなのに難しい...

367 ：デフォルトの名無しさん：2012/01/26(木) 08:42:18.26

Host側とDevice側で型を別にすれば開発もっと楽になると思うんだけど

368 ：デフォルトの名無しさん：2012/01/26(木) 08:53:13.45

取り敢えずCudaのサンプルは捨てて、インクルード関係とオブジェクトの生成手順を確認するんだ。

369 ：デフォルトの名無しさん：2012/01/26(木) 10:14:19.95

見せられないところは削除して、問題の部分だけ残して、アップすれば？？

370 ：366：2012/01/26(木) 16:19:08.01

>>368
>取り敢えずCudaのサンプルは捨てて、インクルード関係とオブジェクトの生成手順を確認するんだ。
のように手順を踏んでコンパイルしたところ、実行ファイルができました。
皆様ありがとうございました。

371 ：370：2012/01/26(木) 20:33:24.55

お恥ずかしながら、また戻ってきました。
あれからセグメンテーション違反が出てきてしまったので、あれこれ探していた結果、
どうやらデバイスのメモリ確保＆送信に失敗していたようです。

しかし解せないことがあって、
構造体A a,構造体B b[100],構造体C　c[100],...(以下略　をデバイス側に送るのですが、
（1つ１つのサイズは結構大きめ。グローバルは1GBあって余裕で確保出きるハズ...）
void main(){
・・・
test(&a,b,c....);
}
void test(A *a,B *b,C *c...){
A *d_a; B *d_b; C *d_c;
CUT_SAFE_CALL(cudaMalloc((void**)&d_a,sizeof(A)));
CUT_SAFE_CALL(cudaMemcpy(d_a,a,sizeof(A),cudaMemcpyHtoD));

CUT_SAFE_CALL(cudaMalloc((void**)&d_b,sizeof(B)*100));
CUT_SAFE_CALL(cudaMemcpy(d_a,b,sizeof(B)*100,cudaMemcpyHtoD));
・・・
｝
はじめてcuda,cuda_by_exampleで確認したところ、
文法的ミスはないはずなのに確保ミスしてるらしく、中断してます。

この原因は一体全体なんなんでしょうか。

372 ：デフォルトの名無しさん：2012/01/26(木) 21:28:56.32

4.1正式版
CUDA Toolkit 4.1 | NVIDIA Developer Zone
http://developer.nvidia.com/cuda-toolkit-41

373 ：デフォルトの名無しさん：2012/01/26(木) 21:55:28.42

構造体の中身がよく分からんが，allocateのところで　*100は必要なのかな？

構造体Bのメモリーを１００個分用意しようとしている？？

構造体Bの中にすでに [100]個の配列を取っているのに？？？

数は合っておるのか？？？？

374 ：デフォルトの名無しさん：2012/01/26(木) 22:17:44.08

ｒｈｅｌ6.0のがリンクミスかでダウンロドできん

375 ：デフォルトの名無しさん：2012/01/27(金) 00:03:32.49

>>372
遂にRC取れたか！4.0からどう変わってるか知らんけど。
Kepler向けのプログラムを作れるのは5.0とかになるんだろうか。
そしてそれはいつ出るんだろう。

>>371
1GBのVRAM積んでるカードでも400MBぐらいの確保で失敗したことがあったような覚えがある。
確保するサイズを小さくしてもエラーが出るってんならこの話は忘れてくれ。

376 ：デフォルトの名無しさん：2012/01/27(金) 01:34:46.65

100x100の行列の積を1万回くらい実行したいのですが、
CUBLASだと小さすぎてCPUより遅くなってしまいます。
この1万回は相互に依存関係は無いので、並列化が可能なのですが、
このプログラムは自分で書くしかないのでしょうか。
TESLA C1070があるので、丸ごとVRAMに載ります。

377 ：デフォルトの名無しさん：2012/01/27(金) 03:17:55.02

4.1にcublas{S,D,C,Z}gemmBatchedってのが追加されてました。
especially for smaller matricesに効くってあったので、使ってみます。

378 ：デフォルトの名無しさん：2012/01/27(金) 07:52:34.05

一つのブロック内で100x100の行列の積を１回行う？

379 ：デフォルトの名無しさん：2012/01/27(金) 07:52:51.42

間違った

380 ：デフォルトの名無しさん：2012/01/27(金) 07:53:00.44

あれ？

381 ：デフォルトの名無しさん：2012/01/27(金) 07:53:07.78

一つのブロック内で100x100の行列の積を１回行う？

382 ：デフォルトの名無しさん：2012/01/27(金) 07:55:11.45

たびたび，失礼

一つのブロック内で100x100の行列の積を１回行う？

そのブロックを１万個用意する？

それらを並列に計算する？

と言うコンセプトかな？？？

自分でプログラムを作った方が，よほど勉強になると思う

383 ：371：2012/01/27(金) 18:15:48.81

>>373
CUT_SAFE_CALL(cudaMalloc((void**)&d_b,sizeof(B)*100));
CUT_SAFE_CALL(cudaMemcpy(d_a,b,sizeof(B)*100,cudaMemcpyHtoD));
これはミスですね....
正しくは
CUT_SAFE_CALL(cudaMalloc((void**)&d_b,sizeof(B)));
CUT_SAFE_CALL(cudaMemcpy(d_a,b,sizeof(B),cudaMemcpyHtoD));
です。すみません。

>>375
4000MBの領域確保でも失敗することがあったんですか...
ちょっと試してみます。

384 ：デフォルトの名無しさん：2012/01/27(金) 20:31:39.53

d_aに送信してるあたりが

385 ：デフォルトの名無しさん：2012/01/27(金) 21:52:59.41

d_b のサイズは構造体Bと同じ？？

d_aのサイズはbと同じ？すなわち構造体Bと同じ？？

違っていたらエラーが出て当たり前では？？？

386 ：デフォルトの名無しさん：2012/01/28(土) 13:33:36.75

それから，ホスト側で　も　メモリーは確保しているのか？？？？

387 ：383：2012/01/28(土) 17:54:35.37

>>371
なんかサンプルがめちゃくちゃなんで書き直します。

388 ：387：2012/01/28(土) 20:55:21.49

確認なのですけど、カーネル関数の引数はポインタ限定ですか?

389 ：デフォルトの名無しさん：2012/01/28(土) 22:58:27.22

配列はポインタで，１変数はそのままではなかったかい？

なぜか知らんけど

390 ：デフォルトの名無しさん：2012/01/28(土) 23:07:13.34

夜の埼玉は

391 ：デフォルトの名無しさん：2012/01/29(日) 01:49:05.91

>388
ホスト側のポインタ以外なら何でもOKのはず。少なくともintは渡せる。
クラスを渡せるかどうかは知らないけど。

392 ：デフォルトの名無しさん：2012/01/29(日) 06:58:36.12

ホストのポインタ送って、GPU側のload/store時に
メインメモリから自動転送ってこともできるから、
その説明は正しくない。

393 ：388：2012/01/30(月) 15:13:56.68

>>391
セグメンテーション違反してた部分の引数に（デバイスで使用する）double（実体）を指定してたのですけど、
（デバイスで使用する）ポインタに変えたら、問題なく実行できました。
dtempはcudaMalloc/cudaMemcpy使ってます。

そもそもな話cudaはポインタ宣言したdtempの実体は*dtempではないのかな。

394 ：デフォルトの名無しさん：2012/01/30(月) 15:16:54.53

>>393
何を言っているのか判らない。問題が再現する最低限のコードでも貼ってみていただきたい。

395 ：デフォルトの名無しさん：2012/01/30(月) 16:19:41.78

>>393
__global__ void kernel(double dtemp){
}

int main(){
double temp=0.0;
double *dtemp;
cudaMalloc((void**)&dtemp,sizeof(double));
cudaMemcpy(dtemp,&temp,sizeof(double),cudaMemcpyHostToDevice);
kernel<<<1,1>>>(*dtemp);//(←※1)
cudaMemcpy(&temp,dtemp,sizeof(double),cudaMemcpyDeviceToHost);
return 0;
}
※1の部分でsegmentation fault。
__global__ kernel(double *dtemp){
}として
kernel<<<1,1>>>(dtemp);
とすると問題無し。
dtempのアドレスを引数にするのはいいけど、dtempの中身（0.0）を引数にしようとするのはダメ？
そもそも※1の宣言自体間違ってる?どうなんだろう。

396 ：デフォルトの名無しさん：2012/01/30(月) 16:29:17.80

393じゃないけど試してみた
__global__ void kernel(double dtemp){
}

int main(){
double temp=0.0;
double dtemp;
// cudaMalloc((void**)&dtemp,sizeof(double));
// cudaMemcpy(dtemp,&temp,sizeof(double),cudaMemcpyHostToDevice);
kernel<<<1,1>>>(dtemp);//(1)
// cudaMemcpy(&temp,dtemp,sizeof(double),cudaMemcpyDeviceToHost);
return 0;
}

これでコンパイルも実行もおkだったけど

397 ：デフォルトの名無しさん：2012/01/30(月) 16:57:38.16

>>395
dtempはdevicePointerなんだから、Hostコード中でデリファレンスしちゃダメ。
double値を渡したいだけなら引き数はdoubleで充分。
それと、※1は宣言じゃなくて呼び出しだから構文としてはあっている。

そもそも何がしたいのだろう。値を渡したいなら値を渡せばいいし、
ポインタを渡したいならポインタをそのまま渡せばいい。
devicePointerをHostでデリファレンスしちゃダメだし、
(その後どうせdevice側でデリファレンスできないから)HostPointerをdeviceにコピーしてもダメ。

398 ：デフォルトの名無しさん：2012/01/30(月) 17:04:05.78

>>396
>>397
色々ごちゃまぜだったようです。スッキリしました。
ありがとうございました。

399 ：デフォルトの名無しさん：2012/01/30(月) 20:58:23.57

これからCUDAの勉強を始めようと思っています。
GPGPUプログラミングはシェアードメモリを有効活用できるかがポイントであるように思います。
そこで、あえて最新のグラボに買い換えず、キャッシュのないTesla世代のGTX285を所持し続けています。
キャッシュがあると、シェアードメモリをうまく使えてなくても、それをカバーしてしまって、
うまくプログラムできているかどうかを把握し辛いと考えたからです。

ただ、心配なのが、Fermi世代以降に発売された書籍だと、内容がTesla世代のGPUにそぐわない
といった状況が起きてしまうことです。
GTX285のまま勉強するに際して気をつけること等あれば教えてください。
問題がなければ関連書籍（日本語）を全部購入して読もうと思います。

よろしくお願いします。

400 ：デフォルトの名無しさん：2012/01/30(月) 21:08:43.55

＞＞GPGPUプログラミングはシェアードメモリを有効活用できるかがポイントであるように思います。
そんなの計算する内容によるわ
活用しようがないのもあるからな

計算（使用）目的は明確なの？

401 ：399：2012/01/30(月) 21:39:43.45

>>400
信号処理に使う予定です。
FIRフィルタリングやFFTなどを大きな1次元、あるいは2次元配列に適用したいと思っています。

402 ：デフォルトの名無しさん：2012/01/30(月) 21:45:58.41

俺は400じゃないが、気をつけることは、勉強がひと段落していざ使うときになって知識が陳腐化してても泣かないことかな。
ハードウェアはどんどん変わるし、TeslaやFermiで良しとされたことが数年後に通用するかはわからないからね。
せっかく今から始めるならFermi・Keplerを使ったほうがいいと俺は思うけど、
10年後にはどれも等しく陳腐化してるだろうから長期的に考えると確かにTeslaでもいいのかもしれない。
ただ長期的に考えること自体がGPGPUでは…と1行目にループする。

403 ：デフォルトの名無しさん：2012/01/30(月) 22:12:50.10

古い方がいろいろ制限があって，勉強になるとは思う．

404 ：デフォルトの名無しさん：2012/01/30(月) 22:17:32.23

ｆｆｔはcpu側からはインターフェースあるけどディバイス内では自前で作るしかない

405 ：デフォルトの名無しさん：2012/01/30(月) 22:18:26.89

> キャッシュがあると、シェアードメモリをうまく使えてなくても、それをカバーしてしまって、
> うまくプログラムできているかどうかを把握し辛いと考えたからです。

シェアードメモリーを使うようにプログラミングすればよいかと

どのメモリーを使っているのか分からない，と言うことはないと思う

あれば，そこをしっかり勉強すべきかと

406 ：デフォルトの名無しさん：2012/01/30(月) 22:19:12.36

そう言えば古いのは倍精度の計算ができないのでは？？

407 ：デフォルトの名無しさん：2012/01/30(月) 22:22:30.66

まあ，デバイスメモリーだけで計算してみるとか，
シェアードメモリーも使って計算してみるとか，
いろんなプログラムを作って比較するのが良いかと

408 ：デフォルトの名無しさん：2012/01/30(月) 22:26:01.98

最初はシェアドするスレッドはどれだってだけでも頭が痛くなった

409 ：402：2012/01/30(月) 23:28:19.90

あとTeslaでやるなら、FermiとTeslaでバンクコンフリクトの発生条件が違ってるから
Teslaでのこれの回避には深入りしないほうがいいかと。

他にシェアードメモリの大きさなどの量的な違いがあるけど、そういった量的な
制約のために質的なというかアルゴリズムの種類を変えるようなことまで深入りするのも
避けたほうが。だってFermiやそれ以降で量が変わると一から見直しになるから。
これはFermi使ってる人もいずれ同じことなんだけど、勉強じゃなくて性能が欲しいんだからしょうがない。

410 ：デフォルトの名無しさん：2012/01/30(月) 23:57:48.21

sharedがregister並に速いなんて嘘だから。
occupancyなんて上げるな。
warpあたりのregisterを増やして
ILPを利用してレイテンシを隠蔽すべきだと。

http://www.cs.berkeley.edu/~volkov/volkov10-GTC.pdf

411 ：399：2012/01/31(火) 00:31:29.61

>>403
やはり、そうですか！

>>404
参考になります。
FFTは重要になるのでしっかりと取り組みたいです。

>>405
>>407
>>408
なるほど、どのメモリかをよく意識してプログラミングします。
CPUの最適化に取り組んでいて思ったのですが、
キャッシュは便利な反面、こちらから意図的に挙動を制御できないことが
パフォーマンスの考察を難しくしてしまう側面もあると感じました。
キャッシュなしのTeslaで鍛えたいです。

>>406
単精度しか使わないので問題なしです。
もし半精度でパフォーマンスが上がるなら、そのほうがイイくらいです。

>>402
>>409
世代を跨ぐにあたって非常に参考になるご助言をありがとうございます。
各種メモリの特性や帯域を意識して取り組むことで、
固有のデバイスに限定されない定性的なところを理解したいと思います。
Keplerではこんな組み方がイイかもしれないな、と思索できたら楽しそうです。

>>410
興味深い資料をありがとうございます。
各部のレイテンシ、スループットを頭に叩き込みます。

412 ：デフォルトの名無しさん：2012/01/31(火) 08:31:17.17

>>411
最終的に動かす機器で最もよい性能が出るように最適化するべきだし
自動でやってくれることを手でやるってのは勉強にはなるかもしれないけど意味ないのではって思うけど。
コンパイラの最適化を切ってアセンブリ書くようなものでしょ。

413 ：デフォルトの名無しさん：2012/01/31(火) 12:08:28.56

時間がいくらでもあるorそういう研究ならともかく
短期間で組めてそこそこのパフォーマンスが出せればいいなら
キャッシュのあるFermiで適当に書いてもいいと思うんだけどね

414 ：399：2012/01/31(火) 21:32:30.15

>>412
おっしゃる通りです
そのあたりは目的をよく考えて判断したいです。
今回はどちらかというと、GPUのポテンシャルを見極めたいというのが主です。
コードの可読性を優先して、性能はコンパイラやキャッシュ等にできるだけ委ねるというスタイルも
今後検討していきたいと思っています。

>>413
今回は研究用途ですが、
将来的にはFermi以降のGPUで、ちゃっちゃと書いたコードが快適に動くというところを目指したいです。
ただ、あまりにも下手なプログラムにならないよう、最初に少し深くやっておきたいです。

415 ：デフォルトの名無しさん：2012/02/02(木) 04:23:36.19

レジスタといえば、GK104では強化されるのか、それともさらにピーキーになるのか気になる。
GF104はグラフィック特化で、レジスタ数やワープ数の上限に悩まされたし。

とりあえずアーキテクチャが一般公開されるまで待つしかないかな。

416 ：デフォルトの名無しさん：2012/02/04(土) 00:16:58.91

また出てるな、これで最後らしいが
ttp://page4.auctions.yahoo.co.jp/jp/auction/d125096624

417 ：デフォルトの名無しさん：2012/02/08(水) 09:16:57.43

誰かいるかな…

http://includehoge.blog.fc2.com/blog-entry-71.html
このブログのソースをコンパイルして動かしてみようと思ったのですが

1>cudamatrix.obj : error LNK2019: 未解決の外部シンボル _cufftDestroy@4 が関数 _main で参照されました。
1>cudamatrix.obj : error LNK2019: 未解決の外部シンボル _cufftExecC2C@16 が関数 _main で参照されました。
1>cudamatrix.obj : error LNK2019: 未解決の外部シンボル _cufftPlan1d@16 が関数 _main で参照されました。
1>../../bin/win32/Debug/template.exe : fatal error LNK1120: 外部参照 3 が未解決です。

というエラーが出ます。
cufft.h自体は読み込んでいて、引数の過少があるときはそれに対してエラーを返すので
定義されていないという扱いになっているわけではないみたいなんですけど

解決法があったら教えて下さい

418 ：デフォルトの名無しさん：2012/02/08(水) 09:17:57.58

419 ：デフォルトの名無しさん：2012/02/08(水) 09:22:20.66

誰か居るかな・・・いたら助けてください

http://includehoge.blog.fc2.com/blog-entry-71.html
このブログのソースをコンパイルして動かしてみようと思ったのですが

1>cudamatrix.obj : error LNK2019: 未解決の外部シンボル _cufftDestroy@4 が関数 _main で参照されました。
1>cudamatrix.obj : error LNK2019: 未解決の外部シンボル _cufftExecC2C@16 が関数 _main で参照されました。
1>cudamatrix.obj : error LNK2019: 未解決の外部シンボル _cufftPlan1d@16 が関数 _main で参照されました。
1>../../bin/win32/Debug/template.exe : fatal error LNK1120: 外部参照 3 が未解決です。

以上のようなエラーが出てコンパイルが通りません
構造体の生成や関数の過少には反応するので、cufft.hが読み込めてないってことはないと思うんですが…

解決法があったら教えて下さい

420 ：デフォルトの名無しさん：2012/02/08(水) 09:22:49.74

421 ：デフォルトの名無しさん：2012/02/08(水) 09:23:33.66

うわなんか四回も書き込んじゃったごめん

422 ：デフォルトの名無しさん：2012/02/08(水) 09:25:46.81

コンパイル詳しくないけどlibcufft.so（linuxの場合）のリンクしてる？
windowsならlibcufft.dllだとおもう

423 ：デフォルトの名無しさん：2012/02/08(水) 09:27:16.52

コンパイルじゃなくてリンクの問題でしょ

424 ：デフォルトの名無しさん：2012/02/08(水) 09:58:44.53

nvcc -lcufft sample.cu

425 ：デフォルトの名無しさん：2012/02/08(水) 10:20:43.62

このスレでときどき思うのはC/C++をほとんど知らないのにもかかわらず
CUDAに挑戦しようとする勇壮な挑戦者が多いな、ということ

彼らはその後うまくいってるのだろうか？

426 ：デフォルトの名無しさん：2012/02/08(水) 13:41:41.97

CUDA.NETも3.0で止まってるしなぁ・・・

427 ：デフォルトの名無しさん：2012/02/08(水) 21:44:42.85

コンピュート・ケイパビリティによって何が変わったかを俯瞰できるような一覧を掲載したサイトってご存知ありませんか？？

428 ：デフォルトの名無しさん：2012/02/08(水) 22:16:51.83

>>417
追加のライブラリファイルにナントカ.libを追加すればいけそう。
ナントカは>>422さんのレスから察するにlibcufft.libかなぁ。
このへんは>>425さんの言うとおりcuda云々じゃなくてVisual Studio(C++)を使う上で頻繁に設定するところだねー。

>>427
俺も知りたいなぁそれ。その手の情報はSDKpdfのProgramming GuideとBest Practiceくらいしか知らない（片方だけかも）

429 ：デフォルトの名無しさん：2012/02/08(水) 22:26:54.49

cufft.libなのだが。

430 ：デフォルトの名無しさん：2012/02/09(木) 07:17:56.91

てすてす

431 ：デフォルトの名無しさん：2012/02/09(木) 07:18:12.24

コマンドなら

432 ：デフォルトの名無しさん：2012/02/09(木) 07:18:18.71

あれ？

433 ：デフォルトの名無しさん：2012/02/09(木) 07:18:34.70

以下のよう

434 ：デフォルトの名無しさん：2012/02/09(木) 07:18:39.54

nvcc fft.cu --compiler-bindir="C:\Program Files\Microsoft Visual Studio 10.0\VC\bin" -arch=sm_10 -L"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v4.1\lib\Win32" -lcufft

435 ：デフォルトの名無しさん：2012/02/09(木) 07:19:01.92

ファイル名をfft.cuとしてみた

436 ：デフォルトの名無しさん：2012/02/09(木) 07:20:23.21

結果の一部

1014 6.347414 0.587785
1015 6.318954 -0.000000
1016 6.293659 -0.587785
1017 6.271449 -0.951057
1018 6.252275 -0.951057
1019 6.236131 -0.587785
1020 6.222946 0.000000
1021 6.212736 0.587785
1022 6.205431 0.951057
1023 6.201046 0.951057

437 ：デフォルトの名無しさん：2012/02/09(木) 07:21:26.93

-arch=sm_10 は適宜，変更のこと

438 ：デフォルトの名無しさん：2012/02/09(木) 07:25:00.70

これでも行けた♪

nvcc fft.cu -lcufft

439 ：デフォルトの名無しさん：2012/02/09(木) 07:26:45.21

既出でした．失礼 >> 424

440 ：デフォルトの名無しさん：2012/02/09(木) 11:41:33.64

GPUの勉強を始めたばかりなのですが、スパース行列の格納形式種類で
ELLの格納方法とメリットが分かりません

調べたらlisのマニュアルに配列方法はあるのですが、説明と図とが噛み合ない点があり
理解できずにいます。

だれか教えてください

441 ：デフォルトの名無しさん：2012/02/09(木) 13:59:04.44

>>426
CUDA#とかCUDAfy.NETとか代替のライブラリはあるっぽいよ
使ったことないから詳細は知らないけど

442 ：デフォルトの名無しさん：2012/02/09(木) 14:23:54.18

>>440
LisはGPU上で動くの？

443 ：デフォルトの名無しさん：2012/02/09(木) 14:39:02.94

sparse　matrixの格納形式はCUDAの問題じゃね～だろ

444 ：デフォルトの名無しさん：2012/02/09(木) 15:45:25.65

>>440
コアレッシング状態で転送できるようになる。

445 ：デフォルトの名無しさん：2012/02/09(木) 17:19:58.52

CUDA.NETは使えなくはないぞ♪

446 ：デフォルトの名無しさん：2012/02/09(木) 18:44:06.72

>>440
スパース行列の格納方法がのっているのがLisのオンラインマニュアルくらいだったので

>>443
ELLはGPUに適した格納方法と、ネットのどこかにあったので関連があるかと思い書き込みました
たしかにCUDA以前の問題ですよね

>>444
なるほど、見えてきました！ありがとうございます

447 ：デフォルトの名無しさん：2012/02/09(木) 19:02:29.63

>>422->>439
こんなにたくさん答えてくれるとは・・・
おかげで動きましたーありがとう

448 ：デフォルトの名無しさん：2012/02/09(木) 19:08:48.94

おお、よかった^^

449 ：デフォルトの名無しさん：2012/02/10(金) 10:39:58.03

http://detail.chiebukuro.yahoo.co.jp/qa/question_detail/q1481115004

450 ：デフォルトの名無しさん：2012/02/10(金) 13:35:49.60

>>441
CUDAfy.NETは知らんかった
最近出てきたのね、ありがとう

451 ：デフォルトの名無しさん：2012/02/10(金) 21:23:36.65

2次元配列にアクセスするときのインデックス計算で

gy = blockDim.y * blockIdx.y + threadIdx.y;
gx = blockDim.x * blockIdx.x + threadIdx.x;

というのを頻繁にやると思うのですが、
この積和演算ってCUDAコアが使われるのでしょうか？
それとも、CUDAコアとは別にアドレス演算器（？）的なハードウェアがあって、
それで計算してくれるのでしょうか？
後者だとうれしいです。

452 ：デフォルトの名無しさん：2012/02/10(金) 21:37:17.01

アドレスもプログラムもデータ

453 ：デフォルトの名無しさん：2012/02/10(金) 23:52:12.69

>>451

CUDAコア上に展開された（定義された）ブロックの中で演算をしていると思う

454 ：451：2012/02/11(土) 01:18:08.05

>>453
CUDAコアのサイクルを消費して計算しているということですね？
ありがとうございました。

455 ：デフォルトの名無しさん：2012/02/11(土) 01:24:48.08

インデックス計算かどうかをGPUがどう見分けるというんだ

456 ：451：2012/02/11(土) 10:05:14.94

>>455
単にCUDAの予約語であるblockDimやthreadIdだけで構成されていて、
○○ * ○○ + ○○ の積和の形になっていれば、
専用の回路に計算させる、とかできそうなものですが。
CPUではメモリアドレス式のカタチを解析してアドレス演算器に割り当てています。

457 ：デフォルトの名無しさん：2012/02/11(土) 11:29:23.45

そもそもグリッド，ブロック，スレッドの概念を理解しているのかな？

458 ：デフォルトの名無しさん：2012/02/11(土) 11:29:54.96

○○ * ○○ + ○○ だけではプログラムは作れないと思うのだが

459 ：デフォルトの名無しさん：2012/02/11(土) 11:55:45.33

>>456
それ、どのCPUでの話ですか？

460 ：デフォルトの名無しさん：2012/02/11(土) 19:16:02.78

環境：　CUDA 4.1 + Visual Studio 2010 Pro. + Windows 7 Pro. 64bit

C:\ProgramData\NVIDIA Corporation\NVIDIA GPU Computing SDK 4.1\C\common\cutil_vs2010.sln
をバッチビルドして、
cutil64.lib, cutil64.dll,
cutil64D.lib, cutil64D.dll
を作ろうとしたところエラーがでてしまいます。
エラーは出るのですが、cutil64.lib　以外は生成でき、
そのライブラリを使った行列積のサンプルプログラムもコンパイル＆実行できました。
＃ちょっと気持ち悪いですが。

しかし、cutil64.lib　はどうしても生成できません。
何が悪いのでしょうか。

cutil64.lib, cutil64.dll,
cutil64D.lib, cutil64D.dll
をビルドしたときのエラーメッセージは以下の通りです。

461 ：デフォルトの名無しさん：2012/02/11(土) 19:16:34.66

------ すべてのリビルド開始: プロジェクト: cutil, 構成: Release x64 ------
C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\Microsoft.CppClean.targets(74,5): warning : パス 'C:\ProgramData\NVIDIA Corporation\NVIDIA GPU Computing SDK 4.1\C\common\lib\x64\cutil64.dll' へのアクセスが拒否されました。
bank_checker.cpp
cmd_arg_reader.cpp
cutil.cpp
stopwatch.cpp
stopwatch_win.cpp
Generating Code...
LINK : warning LNK4075: /INCREMENTAL は /OPT:ICF の指定によって無視されます。
LINK : fatal error LNK1104: ファイル 'lib\x64\\cutil64.dll' を開くことができません。
------ すべてのリビルド開始: プロジェクト: cutil, 構成: Debug x64 ------
bank_checker.cpp
cmd_arg_reader.cpp
cutil.cpp
stopwatch.cpp
stopwatch_win.cpp
Generating Code...
ライブラリ C:\ProgramData\NVIDIA Corporation\NVIDIA GPU Computing SDK 4.1\C\common\lib\x64\\cutil64D.lib とオブジェクト C:\ProgramData\NVIDIA Corporation\NVIDIA GPU Computing SDK 4.1\C\common\lib\x64\\cutil64D.exp を作成中
LINK : fatal error LNK1158: 'cvtres.exe' を実行できません。
========== すべてリビルド: 0 正常終了、2 失敗、0 スキップ ==========

462 ：デフォルトの名無しさん：2012/02/11(土) 19:21:14.69

追記です。
cutil64.lib　がないので行列積サンプルプログラムは、Releace モードではビルドできていません。
ビルド＆実行でてきているのは、debug モードです。

463 ：デフォルトの名無しさん：2012/02/11(土) 20:12:55.27

Releace + x64モードでcutil64.dllはできるが，cutil64.libはできないと言うことですか？

464 ：デフォルトの名無しさん：2012/02/11(土) 20:14:45.64

エラーが出てもライブラリはできている，と言うことはないですか？

この中に↓

C:\ProgramData\NVIDIA Corporation\NVIDIA GPU Computing SDK 4.1\C\common\lib\x64

465 ：デフォルトの名無しさん：2012/02/11(土) 20:16:27.24

失礼　Releace -> Release

466 ：デフォルトの名無しさん：2012/02/11(土) 20:26:05.18

まあ、CUDAのインデックス計算ほど
アホ臭いものは無いと思うがな。
テクスチャアドレスではもっと複雑な計算しているのに。

467 ：デフォルトの名無しさん：2012/02/11(土) 20:50:55.57

CUDAを数値計算に使おうという話だよ

468 ：デフォルトの名無しさん：2012/02/11(土) 22:18:37.30

>>463
>>464
お返事ありがとうございます。

C:\ProgramData\NVIDIA Corporation\NVIDIA GPU Computing SDK 4.1\C\common\cutil_vs2010.sln
のバッチビルドの前後で以下のようにライブラリが増えます。

ビルド前
common\lib\x64\　には　cutil64.dll　のみ存在

ビルド後
common\lib\x64\ には cutil64.dll cutil64D.dll cutil64D.lib　の３つになる

cutil64.libは生成されません。ビルド時に　>>461のエラーのためと思われます。
　

469 ：デフォルトの名無しさん：2012/02/12(日) 00:49:32.40

変だね．こちらも同じようなエラーが出るが（xx.dllを開始できません），xx.libはできている．

試しに，ソルーションエクスプローラーのcutilを右クリックして，「追加」，「既存の項目」で，cutil64.dll　を追加してみる．．．．とか

470 ：デフォルトの名無しさん：2012/02/12(日) 00:51:08.01

で，何でビルド前に「cutil64.dll　のみ存在」するのかな？

一度，全部クリーンしてみる．．．．とか

471 ：デフォルトの名無しさん：2012/02/12(日) 01:08:37.66

>>469
お返事ありがとうございます。
エラーは出るんですね。貴重な情報です。
エラーを気にしないですみます。

>cutil64.dll　を追加してみる．．．．とか
無理を承知でやってみました。当然ですがダメでした。

>>470
そういうものだと思っていましたが、確かにそうですね。
クリーンインストールしてみます。

472 ：デフォルトの名無しさん：2012/02/12(日) 02:45:15.54

クリーンインストールしてみました。
C:\ProgramData\NVIDIA Corporation\NVIDIA GPU Computing SDK 4.1\C\common\lib\x64
に最初から　cutil64.dll　が作られるみたいです。

なお、インストールたCUDAファイルは、
　devdriver_4.1_winvista-win7_64_286.16_notebook.exe
　cudatoolkit_4.1.28_win_64.msi
　gpucomputingsdk_4.1.28_win_64.exe
の３つです。

473 ：デフォルトの名無しさん：2012/02/12(日) 07:49:26.70

cutilのクリーンを実行すれば，すべてのdll，libが消えるはずなのに，もし， cutil64.dllが残っているとすれば，
書き込み，読み込みの権限がないと言うことでは？

cutil64.dll　はマニュアルで消せますか？

474 ：デフォルトの名無しさん：2012/02/12(日) 15:39:25.13

>>437
お返事ありがとうございます。
cutil64.dll　をマニュアルで削除して、再度
　　C:\ProgramData\NVIDIA Corporation\NVIDIA GPU Computing SDK 4.1\C\common\cutil_vs2010.sln
でビルドしたら、すべてのライブラリが生成されました。
ご推察の通り、cutil64.dll　にアクセスできなかったのが原因だったようです。
本当にありがとうございました。

＜追記＞
adminユーザーで環境構築作業をしていたので、
cutil64.dll にアクセスできなかった原因は謎のままです。
自分で構築してしまえば、その後は、上書きビルドは問題なくできます。

同じく、CUDA-SDKの中に、simpleTemplate　というソースコードがあるのですが、
このソースコードを書き換えて、Releaseモードでビルドすると、
インストール初期からある、simpleTemplate.exe　にコンフリクトするらしく、
ビルドエラーが出ました。この場合はも、初期からある、simpleTemplate.exe　を削除すれば
問題なく繰り返しビルドができるようになりました。
同じ原因だと思います。

475 ：デフォルトの名無しさん：2012/02/12(日) 15:40:34.77

↑　番号ミスです。ごめんなさい。
>>473　が正しいです。

476 ：デフォルトの名無しさん：2012/02/12(日) 15:49:09.03

よかった，よかった♪

477 ：デフォルトの名無しさん：2012/02/12(日) 22:34:46.87

OS：32bit　CUDA:32bit　VisualStudio:32bit
でCUDAプログラムをしている人が、速度を上げることを目的に
OS：64bit　CUDA:64bit　VisualStudio:64bit
に変更することって意味あります？

478 ：デフォルトの名無しさん：2012/02/12(日) 23:58:34.00

ないと思う。ホスト側で2GB以上のメモリを使いたいわけでもないのだろうし。

64bitビルドして動かすとポインタがレジスタを2つ使ってしまうという話があるので、逆に遅くなる可能性も。
本当に64bitビルド時にデバイス側でもポインタが64bitで扱われるかどうかを
自分の目で確かめたわけではないけど、少なくともここではそういうことを言っている。

高速演算記第3回「チューニング技法その１　ＣＵＤＡプログラミングガイドからピックアップ」 | G-DEP
http://www.gdep.jp/column/view/3
＞ここでレジスタ数は32bitレジスタの数で、long long, double値や64ビット環境を対象としたCUDAプログラムでは
＞ポインタなどが64bitとして扱われますのでレジスタを2つ使用することになります。

479 ：デフォルトの名無しさん：2012/02/13(月) 10:45:03.24

>>478

なるほど。ありがとうございます。

これと少し環境が違う場合ですが、
　　OS：64bit　CUDA:32bit　VisualStudio:32bit
と、
　　OS：64bit　CUDA:64bit　VisualStudio:64bit
では、速度差はどうなると思われますか？

ネット上でよく目にするmatrix積のサンプルコードで実験したところ、
同程度か、どうかすると前者の方が速い場合がありました。

前者は、WOW上で動いていると思われるので、
遅いだろうと予測したのですが、それに反する結果でした。
これをどう解釈すればよいか謎なんです。

480 ：デフォルトの名無しさん：2012/02/13(月) 10:46:42.16

479です。OSは、Windows7 64bit Pro です。

481 ：デフォルトの名無しさん：2012/02/13(月) 11:17:41.23

プログラムのどの部分を計測したのであろうか？

CUDAの部分のみ？？

482 ：デフォルトの名無しさん：2012/02/13(月) 12:26:28.94

CUDAの部分のみです。

483 ：デフォルトの名無しさん：2012/02/13(月) 12:35:43.06

CUDAはOSに依存せずに動くとかで、OSのbit数には無関係ということですか？
そのため、
>>478で説明して頂いたように、同程度もしくは32bitが若干速くなる場合もあるということでしょうか。

484 ：デフォルトの名無しさん：2012/02/13(月) 13:17:49.82

ちなみに測定時間はいくらでしょうか？

演算量を増やすとどうなるでしょうか？

485 ：デフォルトの名無しさん：2012/02/13(月) 16:09:51.62

ソースは、以下のHPの最後の「Matrix_GPU」です。
http://www.gdep.jp/page/view/218

計算は、スレッドサイズ一杯で組まれているようですので、
　　#define MATRIX_SIZE 1024/*行列１辺の数*/
をこれ以上上げることができませんでした。

ちなみに、ノートパソコン搭載のGPUチップは、GT-540M。
Releaseでビルドして　650ms付近を中心に数10msばらつきます。
win32とx64で大差はなく、
win32の方が平均10ms程度速いような気がするという程度です。

486 ：デフォルトの名無しさん：2012/02/13(月) 17:03:00.91

CUDAの計算のところを１０００回程度，繰り返すとかはできるでしょうか？

そうすれば有意な差が出るかも知れません．

487 ：デフォルトの名無しさん：2012/02/13(月) 19:18:58.94

200回繰り返してみました。

OS：64bit　CUDA:32bit　VisualStudio:32bit 　→　131,671 ms
OS：64bit　CUDA:64bit　VisualStudio:64bit 　→　132,146 ms

0.3%の差で、前者が速かったです。
100回繰り返しでも、0.3%差でした。

488 ：デフォルトの名無しさん：2012/02/13(月) 19:39:39.79

なるほど，有り難うございます．

有意な差が出たと言うことですね．

では，後は分かる人，よろしく♪

ε=ε=ε=ε=ε=┌(；　・＿・)┘

489 ：デフォルトの名無しさん：2012/02/14(火) 10:35:58.19

GPU側では64bitのメリットは使用可能なメモリが増えることだけで、その代わりにアドレス計算の命令数や使用レジスタ数が増えるデメリットがある。
前はGPU側だけ32bitモードで動かすという恐ろしい手法があったが、今使うのはなかなか難しい。

490 ：デフォルトの名無しさん：2012/02/14(火) 16:21:21.98

ptxオプションつけてptx出力を見れば見当がつくね。
64ビットアドレッシングだとアドレス計算の為にint32→int64の変換がしばしば行なわれる。

491 ：デフォルトの名無しさん：2012/02/14(火) 18:19:16.13

ざっくり捉えると、32bitと64bitでは、
　CUDA自体はさほど変わらない。
　CUDAと切り離されてコンパイルされるC++言語部分は、64bitの方がいくらか速い。
という感じでしょうか。

492 ：デフォルトの名無しさん：2012/02/14(火) 18:24:53.01

>>491
アドレス計算多用したり、レジスタ沢山使うようなカーネルだと
CUDA自体32bit版の方が無視できないほど
速くなる可能性はある。

493 ：デフォルトの名無しさん：2012/02/14(火) 18:53:10.54

doubleが速くなるっていう噂はどうなったの？

494 ：デフォルトの名無しさん：2012/02/14(火) 22:53:20.23

GPU上にあるコンスタントキャッシュメモリって、CUDAではどのようにして使われるのでしょうか？
計算の中にリテラルがあった場合（CPUでは命令の即値として埋め込まれますが）や、
constantを付けて宣言した定数が割り当てられたりするのでしょうか？？

495 ：デフォルトの名無しさん：2012/02/16(木) 05:51:50.91

llvmで使えるようになったのなら
boostも使える？

496 ：デフォルトの名無しさん：2012/02/16(木) 08:10:03.40

>>494

適当に数値を入れて，確かめてみるとか

497 ：デフォルトの名無しさん：2012/02/16(木) 08:17:55.24

>>495

２年前にパッチが出ているようです．boostが何か知らんけど

https://svn.boost.org/trac/boost/ticket/3919

498 ：494：2012/02/17(金) 00:11:19.70

>>496
試してみました。
const変数もリテラルもレジスタにマッピングされました。

ひょっとして、DirectXAPIなどのグラフィックスAPIを利用していた場合に
使われるだけ（要は旧来通りの使われ方）かも･･･
プロファイラを見ると、テクスチャキャッシュのヒット/ミスヒットが見れるようになっていますが
これなんかはグラフィックスAPI専用のような気が。
しかし同じようにコンスタントキャッシュの項目もあって然りと思うが在らず。

う～ん、気にしないことにしますｗ

499 ：デフォルトの名無しさん：2012/02/17(金) 06:31:17.52

貴重な報告、ありがとうございます♪

500 ：デフォルトの名無しさん：2012/02/17(金) 07:54:24.51

GPUを演算器としてフルに使いたい場合って
ビデオ出力をオンボードのものになるようBIOSで切り替えた方がいいのでしょうか
linuxだったらxconfigいじるだけでいけるとか？

501 ：デフォルトの名無しさん：2012/02/17(金) 07:57:38.45

フルの定義は？

502 ：デフォルトの名無しさん：2012/02/17(金) 07:58:52.97

>>494
CPUでも即値として埋め込めない配列や文字列リテラルは
.rdataセクションのデータとして書き込まれるのと同様に、
GPUでも即値として使えないconstデータはコンスタント領域に置かれる。

で、コンスタント領域の値を直接オペランド指定できない
命令を使う場合は当然レジスタを介して使用することになる。

逆に一部の変数にデフォルトで定数が入っているなんてのは
ABIで決まったもの以外は普通無理だから、コンスタント境域などの
メモリに置いて読み込む以外やり様が無い。

503 ：デフォルトの名無しさん：2012/02/17(金) 08:33:23.95

>>500
普通はGPUカードに何もモニタを繋がなければ(≒出力する設定をしなければ)
GVRAMをほぼ全部使い切れるよ。
Linuxなら、Xを立ち上げなければGPUカードから出力していてもかなり使えるよ。
ついでに、3秒だか5秒だからの制限もなくなるからGPUカーネルで長時間計算させられるよ。

504 ：デフォルトの名無しさん：2012/02/17(金) 20:22:12.27

VRAM 4GBのボードが六千円台
http://akiba-pc.watch.impress.co.jp/hotline/20120218/etc_inno.html

505 ：494：2012/02/18(土) 16:32:22.87

>>502
ありがとうございます。
コンスタント変数の扱われ方、レジスタが必要な理由、理解しました。

書籍を読んでいたら、コンスタントメモリおよびテクスチャメモリについて書かれているのを見つけました。

コンスタントメモリは__constant__修飾子を付けて宣言することで割り当てられるようです。
物理的にはVRAMに置かれ、GPU内部のコンスタントキャッシュでキャッシュが効くものと思われます。
空間フィルタリングなどでフィルタ係数を格納しておくのに適しているのではと思いました。
（繰り返し参照されるのでキャッシュが効きそう）

テクスチャメモリはテンプレートクラス型のtexture<･･･>で宣言することで割り当てられるようです。
物理的にはVRAMに置かれ、GPU内部のテクスチャキャッシュでキャッシュが効くものと思われます。
さらに、グラフィック用途時の同様、テクスチャフィルタリングやサンプリング方式などのハードワイヤード回路機能を
利用できるよう、それらを指定するプロパティを保持しているようです。

506 ：デフォルトの名無しさん：2012/02/18(土) 21:02:09.38

複数カーネルを呼び出すんだけどカーネルのソースはそれぞれ別ファイル
それぞれのカーネルから同じDevice関数を呼び出したいんだけどファイルまたがることできないようだし
ソースごとに同じ内容の別名関数作るしかないのかな？

507 ：デフォルトの名無しさん：2012/02/18(土) 22:43:38.30

ファイルが別でも，プログラムとしてつながっていれば問題はないと思うが．

関数のプロトタイプ宣言をしっかりしておけば良いかと．．．

508 ：デフォルトの名無しさん：2012/02/18(土) 22:46:25.76

共通のdevice関数を別のヘッダに纏めて
カーネルソースからincludeして使う。

device関数はどうせinline展開されるのだから
通常のプログラムでのinline関数と同様に扱えばいい。

509 ：デフォルトの名無しさん：2012/02/18(土) 22:54:19.36

>>508
サンクス
でも今やってみたんだけど全ファイルで展開されるんで
multiple definition of 関数名
ってエラーになっちゃう

実際やってみました？

510 ：デフォルトの名無しさん：2012/02/18(土) 23:22:56.53

カーネル起動時、1スレッドの起動につき1クロックかかり、128スレッドなら128クロックかかると書籍に書いてあるのですが、
これはCPU側でもかかるのでしょうか？
それとも、CPU側はカーネル起動の合図を送ってすぐ制御を戻し、
GPU側の制御ブロックがクロックをかけてスレッドを起動するというかたちでしょうか？

511 ：デフォルトの名無しさん：2012/02/19(日) 01:11:11.40

教えて欲しいことがあります．

CPU側で複数スレッドを立てて，互いに独立した処理を行っています．
そして，それぞれスレッドにおいて，CUDAを使って画像処理をさせたいのですが，（たとえば，グレースケール化とか）
この時，CUDAでの処理にテクスチャメモリを使いたい場合は，どのようなコードを書けばいいのでしょうか？
テクスチャメモリを使う場合，グローバルで宣言しなけらばならないですよね？

たとえば，5枚のRGB画像をグレースケール化するときに，
CPU側で5スレッド立てて，各スレッドでCUDAを使ってグレースケールへの変換処理をしたいのですが，
テクスチャメモリをグローバルで宣言するとおかしなことになるきがするんですが．

どなたか教えて頂けないでしょうか？
宜しくお願い致します．

512 ：デフォルトの名無しさん：2012/02/19(日) 01:21:41.45

CUDA対応のGPUを5枚挿す。
またはGTX590などを3枚挿す。

513 ：デフォルトの名無しさん：2012/02/19(日) 01:26:39.83

>>512
回答ありがとうございます．
テクスチャメモリを使った処理の場合，マルチGPUじゃないと出来ない
とういことでしょうか？

514 ：デフォルトの名無しさん：2012/02/19(日) 01:44:29.68

公式マニュアル見れば分かること
試してみれば分かること

これを聞く人が多すぎる

515 ：デフォルトの名無しさん：2012/02/19(日) 01:53:02.78

4-way SLI でも、ホスト上の4スレッドで利用する場合、
各々1GPUを独立して割り当てるため、4GPU間で通信して仕事をこなす本来的なSLIにはならない、って認識でイイんですよね？
（SLIコネクタがなくても動く？）

516 ：デフォルトの名無しさん：2012/02/19(日) 02:32:56.76

>>511
テクスチャを5個宣言じゃダメなの？

517 ：デフォルトの名無しさん：2012/02/19(日) 02:47:03.16

>>516
回答ありがとうございます．
CPU側でスレッドを立てる段階で決めたいので，
できることなら，可変にしたいと考えています．

514さんは「これを聞く人が多すぎる」と仰っていますが，
そもそも，このようなことをシングルGPUでやろうとするのが間違いなのでしょうか？

518 ：デフォルトの名無しさん：2012/02/19(日) 02:59:57.92

いやいや、まず試せば分かることじゃん。
その労力を2chに押しつけるのは、今この瞬間は楽では良いかもしれないけど、
自分の成長には繋がらないよ。

519 ：デフォルトの名無しさん：2012/02/19(日) 05:31:26.29

>>513
OS側のスレッド何本あろうとGPUが1つしかないんだから
順番に処理されるだけだろってことでしょ

520 ：デフォルトの名無しさん：2012/02/19(日) 05:43:18.09

concurrent kernel execution…

521 ：509：2012/02/19(日) 07:12:00.07

>>508
失礼しました
インライン関数化で無事できました
ありがとうございました

522 ：デフォルトの名無しさん：2012/02/19(日) 11:42:52.58

>>518
心遣い感謝します．

>>519
>>520
回答ありがとうございます．
やっぱり，そうなんですね．
「concurrent kernel execution」ついて調べて確信しました．

回答・アドバイスして下さった皆様，ありがとうございました．
おかげで解決しました．

523 ：デフォルトの名無しさん：2012/02/19(日) 11:49:26.29

次に同じ疑問を持たれた方のために，
参考資料のアドレスを貼っておきます．
ttp://www.nvidia.co.jp/docs/IO/81860/NVIDIA_Fermi_Architecture_Whitepaper_FINAL_J.pdf
上記アドレスにあるpdfの「コンカレントカーネル実行」に書かれていることが，参考になるかと思います．

524 ：デフォルトの名無しさん：2012/02/19(日) 16:33:50.20

誰が質問者なのかわからないので謎な流れだが、とりあえずグレースケール化にテクスチャは不要だと思う今日この頃。

525 ：デフォルトの名無しさん：2012/02/19(日) 17:00:58.89

NPPで一発解決だよな

526 ：デフォルトの名無しさん：2012/02/20(月) 22:07:59.44

atomicCASのCASってどういう意味ですか？？

527 ：デフォルトの名無しさん：2012/02/20(月) 22:24:51.56

Compare And Swap

528 ：526：2012/02/20(月) 22:28:38.87

>>527
ありがとうございました！

529 ：デフォルトの名無しさん：2012/03/07(水) 03:16:50.68

ｃｕｄａの本には2次元配列より1次元の方が速いってあったけど実際どのくらい違うんですか？
また、コピーとgpu上での演算の両方で遅くなるんですか？

530 ：デフォルトの名無しさん：2012/03/07(水) 03:39:04.89

なんでこのスレ突然止まってたの？
卒論修論シーズンが終わったから？

531 ：デフォルトの名無しさん：2012/03/07(水) 06:34:38.99

>>529
一行目: 速い
二行目: 遅くなる

馬鹿?

532 ：デフォルトの名無しさん：2012/03/07(水) 16:56:25.77

学会はこれからだというのに

533 ：デフォルトの名無しさん：2012/03/07(水) 17:15:29.75

> ｃｕｄａの本には2次元配列より1次元の方が速いってあったけど実際どのくらい違うんですか？

メモリーのアクセス時間の早さのこと？

ちなみに２次元であっても，例えば f[i, j] で，先にｊを変化させるか，i　を変化させるのかで
アクセス時間が違ったと思う．

要はメモリーが並んでいる順番にアクセスするのが早いはず．どの位，早くなるかは知りませぬ♪

> また、コピーとgpu上での演算の両方で遅くなるんですか？

コピーとは？ CPUとGPU間のメモリーの転送のことかな？？

534 ：デフォルトの名無しさん：2012/03/08(木) 10:13:29.60

人いなくなったな
春になってGPUネタで研究する学生が増えるのを待つしかないか

535 ：デフォルトの名無しさん：2012/03/08(木) 11:44:54.65

二次元配列なんて存在しねぇ
って考えると楽なのに

536 ：デフォルトの名無しさん：2012/03/08(木) 19:50:20.17

昔のオカルト本では「謎の四次元」「四次元失踪」とかあって、
「四次元」とか謎めいた雰囲気を感じた。

今なら四次元配列とか当たり前だｗ

537 ：デフォルトの名無しさん：2012/03/09(金) 01:08:22.32

>>536
そうそうｗ
四次元の神秘性が薄らいじゃうｗ

538 ： ◆QZaw55cn4c ：2012/03/09(金) 22:10:56.52

ハミルトンの四元数というのがあって近年計算機工学に応用されるようになって云々かんぬん

539 ：デフォルトの名無しさん：2012/03/09(金) 22:22:34.47

発見自体は1800年代だったっけ？
たしか橋の上かなんかで思いついたとかｗ

540 ：デフォルトの名無しさん：2012/03/11(日) 11:39:47.33

HLSLとどう違うの？

541 ：デフォルトの名無しさん：2012/03/11(日) 11:49:19.59

>>540
C言語っぽくなってる。

542 ：デフォルトの名無しさん：2012/03/11(日) 14:43:17.16

四次元配列と四次元ベクトルは別物だろ
後者は要素数4の一次元配列

543 ：デフォルトの名無しさん：2012/03/11(日) 17:04:08.60

>>540
HLSLはShader Languageなんで整数とか扱えなかったと思う。
あとステップ数も制限があったような。

544 ：デフォルトの名無しさん：2012/03/11(日) 17:26:35.76

Compute Shaderを記述する言語も
HLSLじゃ無かったっけ？

リソースベースのHLSLと、ポインタ・配列ベースのCUDA

545 ：デフォルトの名無しさん：2012/03/11(日) 17:38:23.47

リソースベースって言い方、分かり易いね。
HLSLはまさにそんな感じだ。

546 ：デフォルトの名無しさん：2012/03/12(月) 13:07:18.89

>>541 >>543
サンクス
自由度がまして打ちやすくなってるんだな

547 ：デフォルトの名無しさん：2012/03/12(月) 13:35:35.95

>>544 >>545
サンクス

548 ：デフォルトの名無しさん：2012/03/15(木) 21:09:26.09

誰かいますかね、三つほど質問が。

■__syncthreads()だけでは共有メモリへの書き込みを保証できない？
　１つのスレッドがグローバルメモリから共有メモリにデータを書き込み、
その後全てのスレッドがそのデータを使用して計算を行うような場合、
書き込み後に__syncthreads()だけではなく__threadfence_block()も必要なのでしょうか?
青木本には__threadfence_block()について特に言及ありませんでしたが・・・。

■ブロック内の全スレッドからの同一グローバルメモリへのアクセス
　ブロック内で共通で使用する構造体などをグローバル→共有メモリに移す場合
全スレッドで行うよりもやはり
　　 if(threadIdx.x==0)・・・
のようにした方が良いでしょうか?

■カーネル内でのreturn文の使用悪影響あるか
　スレッドごとに計算を行うか判定をする場合、if文で囲っている例をよく見ますが
これは
if(条件)return;
と書いてはいけないのでしょうか？
上のように書いてもとりあえず計算は流れたのですが何か悪影響はあるでしょうか？

549 ：デフォルトの名無しさん：2012/03/15(木) 21:25:56.04

>>548
・取り敢えずsyncしか使ってないけど問題になったことはない。
・全スレッドから共有メモリへの書き込みを行なうのは多分遅くなるんじゃないかな?
・どちらで書いても同じこと。普通のCPUのような分岐とは違うことを判っていればOK。

550 ：548：2012/03/15(木) 22:39:42.94

>>549
ありがとうございます!!
一個目の_syncthreads()と__threadfence_block()の件ですが、
syncだけだと今日うまくいかなかったもので。
ただ他のバグの影響なども考えられるのでもうちょっと調べてみます。

551 ：デフォルトの名無しさん：2012/03/16(金) 04:06:36.41

>>548
・__syncthreads()は__threadfence_block()相当の処理を
含んでいた気がするけど気のせいかも。

・全スレッドで同じメモリにアクセスするのはたとえfermiでも遅くなるはず。

・カーネル内部で_syncthreads()使う必要があるなら
　returnは使っちゃ駄目だろう。

552 ：デフォルトの名無しさん：2012/03/16(金) 20:10:45.37

いまだにアプリ開発環境すらまともに構築できてない・・・
visual studio 2008でやろうと思って一応ビルドは通ったけど
実行するとまずcutil32.dllがありませんって出た。
次にcutil.dllをデバッグ.exeと同じフォルダに置き実行！！

CUDA version is insufficient for CUDART version.
ってなる・・・orz

まずなにからはじめるべきですか？

553 ：デフォルトの名無しさん：2012/03/16(金) 20:17:42.17

ちなみに.cuの中身は拾ってきたちょっと複雑なコード

#include <stdio.h>
#include <cutil.h>

int main( int argc, char** argv )
{
CUT_DEVICE_INIT(argc, argv);
CUT_EXIT(argc, argv);
return 0;
}

・・・・・orz
#include <stdio.h>
#include <cutil.h>

int main( int argc, char** argv )
{
return 0;
}

これに書き換えると
プログラムが完成し、エラーもなく実行もできる

554 ：デフォルトの名無しさん：2012/03/16(金) 20:51:20.83

GPUドライバのアップデート

555 ：デフォルトの名無しさん：2012/03/17(土) 01:39:06.58

>>554
ありがとうございました！！！！！！！！！！
動いた！！！！！！！！

556 ：デフォルトの名無しさん：2012/03/17(土) 08:54:13.85

おおｗ
よかったな！

557 ：デフォルトの名無しさん：2012/03/17(土) 12:49:24.04

>LINK : /LTCG が指定されましたが、コードの生成は必要ありません。リンクコマンドラインから /LTCG を削除し、リンカの性能を改善してください。
と表示されるのですがリンクコマンドラインは固定されて編集できません。
解決方法はありますか？

558 ：デフォルトの名無しさん：2012/03/17(土) 13:37:04.85

>>577
補足：
開発環境はVisualStudio2008
cuda ver 2.3

559 ：デフォルトの名無しさん：2012/03/17(土) 14:59:10.69

windowsを窓から投げ捨てろ

560 ：509：2012/03/17(土) 15:16:23.02

そんなことして道歩いてる人の頭に当たっちゃったら大変ですよ

561 ：デフォルトの名無しさん：2012/03/17(土) 15:44:28.84

角に当たったら痛そうだもんね・・・

562 ：デフォルトの名無しさん：2012/03/17(土) 18:01:09.23

>>557
リンカ -> 最適化 -> リンク時のコード生成 (/LTGG)
C/C++ -> 最適化 -> プログラム全体の最適化 (/GL)
Visual Studio 2008 の使い方なのでスレが違うかも。

563 ：デフォルトの名無しさん：2012/03/18(日) 15:04:39.12

>>562
ありがとうございます。

CUDA-Zの実行結果はどのように見たらいいですか？
日本のサイトが全然ないです。

564 ：デフォルトの名無しさん：2012/03/18(日) 15:07:18.71

>>563です
すみません。解決しました。

565 ：デフォルトの名無しさん：2012/03/21(水) 21:06:39.97

コンスタントメモリキャッシュへのアクセスはバンクコンフリクトとかないんでしょうか？？

566 ：デフォルトの名無しさん：2012/03/21(水) 22:20:52.26

>>565
そりゃキャッシュはバンクになってないからねー

567 ：565：2012/03/21(水) 22:44:39.32

>>566
おお、やっぱり。
できるだけコンスタントメモリ使うようにしまつ。

568 ：デフォルトの名無しさん：2012/03/21(水) 23:02:34.40

アドレスが静的に解決できないというのが前提だけど
16ポートのSRAMなんてコスト的に不可能だからマルチバンク以外無いんじゃないの？

569 ：デフォルトの名無しさん：2012/03/22(木) 00:27:08.40

Fermi以前はコンスタントメモリ使う意味あったけど、
Fermi以降はL2キャッシュとあんまり変わらない印象

570 ：デフォルトの名無しさん：2012/03/22(木) 22:48:01.36

GTX680が発表されたけど、CUDA的には好ましくない方向の進化が多い。。

571 ：デフォルトの名無しさん：2012/03/22(木) 23:03:25.80

チップ名　　　　　GTX 680　　　GTX 580
GPC*1　　　　　　4　　　　　　　　4
SM*2　　　　　　　8　　　　　　　　16
CUDAコア　　　1536　　　　　　　512
テクスチャーユニット　128　　　　64
ROPユニット　　　32　　　　　48
ベースクロック*3　　1.006GHz　　　772M/1.544GHz
ブーストクロック　　　1.058GHz　　－
メモリー転送レート　6.008Gbps　4.008Gbps
メモリー容量　　　GDDR5 2048MB　　GDDR5 1536MB
メモリーバス幅　　　256ビット　　384ビット
メモリー転送速度　192.26GB／秒　192.4GB／秒
製造プロセス　　　　28nm　　　40nm
補助電源端子　　　　6ピン×2　　8ピン＋6ピン
推奨電源ユニット出力　550W　600W
TDP*4　　　　　195W　　244W

572 ：デフォルトの名無しさん：2012/03/22(木) 23:06:16.47

GK104はミドルレンジだからGK110は全体的に上回ってくるでしょ

573 ：デフォルトの名無しさん：2012/03/22(木) 23:16:01.94

　　kepler誕生おめ！
　　　　　　　　　　.o゜*。o
　　　　　　　　　／⌒ヽ*゜*
　　　∧_∧　／ヽ　　）｡*o　　ｯﾊﾟ
　　 (・ω・)丿゛￣￣' ゜
.　ノ/　 /
　　ノ￣ゝ

574 ：デフォルトの名無しさん：2012/03/22(木) 23:21:31.67

Keplerｷﾀ━━━━━━(ﾟ∀ﾟ)━━━━━━ !!!!!

575 ：デフォルトの名無しさん：2012/03/22(木) 23:22:01.12

gen3じゃないんだっけ？

576 ：デフォルトの名無しさん：2012/03/22(木) 23:42:00.14

>>570
もともとはミドルレンジでグラフィック向けだったから仕方ない気もする。
予想以上にグラフィック方面に舵を切ったという感はあるけど。

このままグラフィック向けとGPGPU向けで大きく分かれていくのではないかという心配はあるかな。

577 ：デフォルトの名無しさん：2012/03/22(木) 23:53:32.45

1SM = 192コアか。おっそろしいなあ。

578 ：デフォルトの名無しさん：2012/03/23(金) 00:00:34.24

nVidia始まったな。

579 ：デフォルトの名無しさん：2012/03/23(金) 00:17:06.29

>>577
warp の扱いどうなるんかな。。。

580 ：デフォルトの名無しさん：2012/03/23(金) 00:54:42.91

>>579
ttp://pc.watch.impress.co.jp/docs/column/kaigai/20120322_520640.html
> 32スレッドのWARPに同じ命令を実行する、この基本は、Keplerでも変わっていない。
らしいから、変わらないんじゃないかな。

GF104/114のSMには48コアと2ワープスケジューラ、4ワープディスパッチャで
GK104のSMXには192コアと4ワープスケジューラ、8ワープディスパッチャになっている。

その上レジスタ数は倍、L1キャッシュ/シェアードメモリはそのままってことは
GF104/114よりさらにピーキーになっているのかな？

581 ：デフォルトの名無しさん：2012/03/23(金) 01:01:32.84

>>580
あれ？
コンスタントキャッシュって無くなった？
L1/L2キャッシュがその役割を担ってる？
ということはFermiからか･･･

582 ：デフォルトの名無しさん：2012/03/23(金) 01:06:15.11

48コアが192コアになったのに
レジスタは2倍、
共有メモリは据え置き。

どーすんだこれ。。

583 ：デフォルトの名無しさん：2012/03/23(金) 01:54:37.82

レジスタ足りんくなりそうな。

584 ：デフォルトの名無しさん：2012/03/23(金) 04:09:37.63

Keplerはクロック落としてパイプラインを浅くする設計

演算器のレイテンシが小さくなるならレジスタの消費量は変わらない
Fermiの18cycleは頭おかしすぎた
これが例えば6cycleにになればレイテンシ隠蔽に必要なスレッド数が1/3になるから問題ない

585 ：デフォルトの名無しさん：2012/03/23(金) 04:14:42.78

x86 CPUと同じ道を辿ってるのか

586 ：デフォルトの名無しさん：2012/03/23(金) 15:07:43.87

誰か２６次元計算してくれ、1000ｺｱくらいじゃマジに足らんぞｗ

587 ：デフォルトの名無しさん：2012/03/23(金) 15:59:10.59

float a[1][1][1][1][1][1][1][1][1][1][1][1][1][1][1][1][1][1][1][1][1][1][1][1][1][1] = NULL;
*a += 1;

588 ：デフォルトの名無しさん：2012/03/23(金) 17:47:27.55

こんにちは
国際暗号学会のプレプリントサーバにこんな論文があがってました

Usable assembly language for GPUs: a success story
Daniel J. Bernstein, et. al.
http://eprint.iacr.org/2012/137

GPUのことはさっぱりわかりませんが、なにかこのスレの足しにでもなれば幸いです
それでは

589 ：デフォルトの名無しさん：2012/03/23(金) 20:49:13.93

>584
グローバルメモリアクセスのレイテンシ隠匿とか、ループが遅いとかの情報が頭にあったんで
今まで深く考えず1024スレッド突っ込んでたんだけど、
スレッド減らしてループ回すような構造にしたほうがいい、って解釈でいいんだろうか？

590 ：デフォルトの名無しさん：2012/03/25(日) 02:00:59.95

>>588
PTXよりもっとネイティブ寄りのアセンブラ言語qhasm-cudasmを使って
パフォーマンスクリティカルな場面で力を発揮(nvccの148％)するよ！って話かな？
暗号学会で発表されるんだね。

591 ：デフォルトの名無しさん：2012/03/25(日) 20:09:00.66

メモリアクセスに対する演算の比率を上げないと、性能をフルに発揮できないことは分かったんですが、
具体的にどれくらいの比まで高めるべきかの目標はどうやって決めればイイでしょうか？？

592 ：デフォルトの名無しさん：2012/03/26(月) 10:43:34.08

理論性能（カタログ値）がでるまで頑張れば良いのでは？

それからグローバルメモリーのアクセス速度が，カタログ値の何％になっているのかも
チェックすべきだと思う．

593 ：591：2012/03/26(月) 18:59:54.70

>>592
ありがとうございます！
やはり、

理論性能が出ない → ボトルネックを割り出して改善 → 先頭に戻る

のループで追い込んでいくやり方ですね。

594 ：デフォルトの名無しさん：2012/03/27(火) 00:14:52.50

本を読んで、Visual Profilerを知ったのですが、
ひょっとして今はParallel Nsightで同じことができるでしょうか？

595 ：デフォルトの名無しさん：2012/03/28(水) 05:31:51.00

GTX 680駄目すぎるわ
死んだ

596 ：デフォルトの名無しさん：2012/03/28(水) 06:40:03.41

まだ未公開？
ttp://developer.download.nvidia.com/compute/cuda/4_2/rc/toolkit/cudatoolkit_4.2.6_win_64.msi
ttp://www.abload.de/img/desktop_2012_03_27_22wif3f.png
PTX ISA3.0

597 ：デフォルトの名無しさん：2012/03/28(水) 08:00:17.14

warp shuffle

598 ：デフォルトの名無しさん：2012/03/28(水) 10:36:38.09

VLIWの腐ったようなアーキテクチャになったくさいな

599 ：デフォルトの名無しさん：2012/03/28(水) 10:51:03.77

どのへんが？

600 ：デフォルトの名無しさん：2012/03/28(水) 10:54:22.36

斜め読みしたうえで完全にESPだが
命令は各スロットごとに別という点でVLIWでデータパスはSIMDみたいに独立とみた
ソフトウェア的にはもちろん別スレッドとして書けるみたいな
全然違ったらごめんね

601 ：デフォルトの名無しさん：2012/03/28(水) 13:35:57.98

いやPTXレベルの命令だから全然関係ないね
>>598-600は忘れてくれ

602 ：デフォルトの名無しさん：2012/03/28(水) 21:20:01.15

やっぱりGCNと同じでshuffle入れてきたな。

603 ：デフォルトの名無しさん：2012/03/28(水) 22:40:28.29

CUDA C Programming Guide Version 4.2
74p.
Table 5-1. Throughput of Native Arithmetic Instructions (Operations per Clock Cycle per Multiprocessor)
いろいろやばすぎるな。

604 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/03/29(木) 11:33:59.98

>>589
いまさらだが
物理レジスタが足りてるなら同時に多数スレッドを保持しておけるが
複雑なカーネルだとレジスタは不足しがち

605 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/03/29(木) 12:27:07.17

>604があるから時として64ビットアドレッシングより32ビットアドレッシングの方が有利なんだよね。

606 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/03/29(木) 18:48:17.20

Visual studio2010、CUDA4.1、Windows7 64bitではじめようと思ったんだけど、ネットで拾ったプログラムとか動かすとcutil_inline.hが見つからないって出る。
これってどうすればいいの？

607 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/03/29(木) 19:47:51.42

>>606
GPU Computing SDKをインストールしてパスを通す

608 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/03/29(木) 22:36:38.83

スレタイがイイね。
くだすれくーだすれｗ

609 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/06(金) 21:14:51.29

なんでGPGPUはみんな同じようなアプリしかつくらないん？
想像力が欠如してるから他人の猿真似ばかりしてんの？

GTX680の性能を生かすアプリ教えろ

610 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/06(金) 21:37:23.28

>>609
邪魔

611 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/06(金) 22:02:22.54

わりぃなぁ。そんじょそこらにはないアプリ作っているんだが公表できないんだわ。

612 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/06(金) 22:56:59.64

恥ずかしいやつが湧いたな

613 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/07(土) 01:09:23.67

>>609
BOINCでもやってな
なんぼぶん回しても次から次へ宿題出してくれるから

614 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/07(土) 10:44:11.21

数値流体力学シンポジウムにでも参加すれば良いぞ♪

615 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/07(土) 19:20:32.56

公表できないと言ってるけど、どうせCUDA ZONEに登録されてるようなものだろ？
外人の真似と負け惜しみしかできないの？

素人だからよくわからないけど、欧米に対して技術面で遅れているから
この分野で日本に有名な人がいないでしょ？
自称一流の教授に俺の書き込み見せてあげて

616 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/07(土) 23:56:42.42

だから数値流体力学シンポジウムにでも参加すれば？

この分野では例えば東京工大の青木先生が有名だが

617 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/07(土) 23:57:49.78

ちなみに 615

618 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/07(土) 23:58:19.73

あれ？

ちなみに６１５は大学生か？？

619 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/08(日) 00:08:49.21

大学生なら，物理や力学関係の学会に参加すれば，GPGPUを使った
シミュレーションの研究結果が報告されていることがわかるはず♪

高卒なら縁はないが．．．

620 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/08(日) 00:11:11.59

大学生がこんな幼稚な文章書いてたら日本終っちまうぞｗ

621 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/08(日) 09:03:46.81

GTX480である程度大きなサイズをホストからデバイスに転送するのに3回に2回ぐらいセグメンテーションエラーで落ちる。
うまく行くとなんの問題もなく実行できる。
デバイス側でメモリ確保ができてないみたいなんだが、こんなもんなのかね？

622 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/08(日) 09:17:09.30

そのカードでモニターを表示させているとか？

623 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/08(日) 12:09:14.45

ケプラーの倍精度計算は速くなったの？
それとも以前と同じ？

624 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/08(日) 12:27:33.01

HPC向けがでてみないと分からんけど
GTX680じゃSPに対して1/24だよ

625 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/08(日) 15:32:40.75

http://www.tml.tkk.fi/~timo/HPG2009/
レイトレは最適化するとスペックなりのパフォーマンスだな680

626 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/08(日) 20:11:08.50

>>622
表示させている。
それがダメなのかな？

627 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/08(日) 21:17:10.19

２枚さして，一枚はディスプレイ用
もう一枚は演算用にしないと，一枚では負荷に耐えられないのでは？

628 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/10(火) 00:35:51.46

みんなすごいね
せいぜい準備して
九九の掛け算一括処理くらいしかできないよ

629 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/10(火) 00:59:53.96

CUDAを学ぼうとするからそうなるんだと思うよ。
何か問題があって、それをCUDAで解こう！って始めた方が早く習得できる。

630 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/10(火) 16:05:07.35

>>624
それって今までよりも遅いってこと？
どこかに倍精度のベンチマークの比較はありませんか？

631 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/10(火) 16:47:44.33

今研究室でGTX680か580のどっちかを買おうって話になってるんだけど
CUDA的にはどっちがいいと思う？
一任されて困ってる・・・

632 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/10(火) 17:43:14.82

floatかdoubleか。
あと整数演算も遅くなったらしい。
テスラ売るためとはいえ、なんかいやーんな感じ

633 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/10(火) 18:28:46.60

> 631

両方買う．

が，テスラの方が安定していると聞いているよ（速度は若干GTXより落ちるが）

634 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/10(火) 18:32:30.11

>>631
迷わず580かと。

680はレジスタとか整数演算・論理演算のスループットとか色々と問題になりそう。
それに最新の正式版Toolkit 4.1のプログラミングガイド見てもKepler載っていないし・・・

>>632
グラフィック性能のワットパフォーマンスを上げるためというのが一番じゃないかな。

635 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/10(火) 19:03:34.66

>>631
勉強用に1枚2枚買うって話ならGTX580だろうね。
１．資料がぜんぜん揃ってないKeplerを今買ってもしょうがない。
２．GPGPUとしての性能がGTX580のほうが「上」
（完全上位互換というわけではないし処理にもよるしスペック上FLOPSでは負けてはいるが）

GTX680のグラフィック・GPGPU性能を調べる ≪ dokumaru
http://dokumaru.wordpress.com/2012/03/27/gtx680-spec/

10数枚買って研究室全体に大量導入…なら先生が決めるよね。
両方買ってもいい。でもそれならKeplerは対応するToolkitが出てからでも遅くはないかと。
あるいは一刻一秒を争うならなおさらKeplerは冒険かと。

636 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/10(火) 20:08:49.43

今はまだ早いGK110をまて
5月にイベントあるから、そこでなんかあるかも

637 ：営利利用に関するLR審議中＠詳細は自治スレへ：2012/04/11(水) 16:27:30.42

Teslaはメモリ容量が良いよね
GTXだと計算領域が足りないよ・・・

638 ：デフォルトの名無しさん：2012/04/11(水) 23:21:32.32

FLOPS/MBで見ると、Teslaでも全然足りない。

639 ：デフォルトの名無しさん：2012/04/12(木) 07:21:34.36

何の計算？？

640 ：デフォルトの名無しさん：2012/04/13(金) 04:19:22.20

倍精度計算が主なのですが、Ivyと680と580、どれがコストパフォーマンス的にお薦めですか？

641 ：デフォルトの名無しさん：2012/04/13(金) 09:48:41.62

IvyはCUDA動かないよ。

642 ：デフォルトの名無しさん：2012/04/13(金) 10:12:31.27

言語の問題じゃなくて、プログラムはこれから作るから倍精度計算をわんさかやろうと思うんだけどどれがいいかなあ？
程度の話じゃないかと。

643 ：デフォルトの名無しさん：2012/04/13(金) 10:17:18.06

そういうことか。
超並列に対応できるのであればGPUのほうがイイね。

644 ：デフォルトの名無しさん：2012/04/13(金) 10:27:10.68

えっ！？
ここCUDAのスレだよね？

てか、Ocelotとかどうなのかな。

645 ：デフォルトの名無しさん：2012/04/13(金) 12:45:42.72

倍精度計算が中心なら、CPUで最適化するのが一番。
例えば近似計算のようにGPUの単精度で近づけてから、
CPUの倍精度で収束させるとかならありだけど。

646 ：デフォルトの名無しさん：2012/04/13(金) 16:13:12.61

cuda zoneがメンテナス中・・・

647 ：デフォルトの名無しさん：2012/04/13(金) 17:11:45.77

toolkit4.2が来るのかな

648 ：デフォルトの名無しさん：2012/04/13(金) 18:28:30.79

>>640
GPU用の倍精度プログラムを書く気があるならTeslaにしとけ。
コストが厳しいならRadeonの最上位にしとけ。

649 ：デフォルトの名無しさん：2012/04/14(土) 01:50:49.98

sdk 4.1とtoolkit 4.1インストールしたんだけど
アンインストールせずにそのまま
sdk 2.3とtoolkit２．３をインストールしたらコンパイルやリンクの挙動とかおかしくなりますか？

650 ：デフォルトの名無しさん：2012/04/14(土) 12:46:31.14

自分でpathやMakefileなどを管理できるのなら無問題。

651 ：デフォルトの名無しさん：2012/04/14(土) 22:18:52.58

parallel nsightは甘え

652 ：デフォルトの名無しさん：2012/04/14(土) 22:34:41.85

>>651
甘えと言えるほどすごいのか。
今度使ってみようｗ

653 ：デフォルトの名無しさん：2012/04/16(月) 19:24:07.51

シングルGPUでもデバッグできるようになったのが凄くうれしい

654 ：デフォルトの名無しさん：2012/04/17(火) 03:52:59.70

680を手に入れたんだけど、ガッカリ性能だった
ゲーム系は速くなってるんだけどね

655 ：デフォルトの名無しさん：2012/04/17(火) 08:51:17.06

何をやったの

656 ：デフォルトの名無しさん：2012/04/17(火) 15:39:00.54

PTX直接書いてプログラミングする人とかいるの？

657 ：デフォルトの名無しさん：2012/04/17(火) 19:51:20.08

一応いるけど。

658 ：デフォルトの名無しさん：2012/04/17(火) 21:23:06.59

GTX580が生産終了なんだとか

659 ：デフォルトの名無しさん：2012/04/17(火) 23:38:03.55

>658
在庫はけたからか。
しかしIntelのCPUはGPU載せてんのにGPGPUにはさっぱり対応しないからあんま意味ないな。
CUDA対応とかにしないのは戦略的判断なんだろうけど、なんとももったいない。

660 ：デフォルトの名無しさん：2012/04/17(火) 23:51:03.54

大丈夫
Intelも来週からGPGPU対応する

661 ：デフォルトの名無しさん：2012/04/18(水) 16:31:10.22

倍精度計算じゃまだインテルに分があるしね

662 ：デフォルトの名無しさん：2012/04/18(水) 16:57:28.76

ivyのeuどうなってのかね

663 ：デフォルトの名無しさん：2012/04/20(金) 18:04:01.73

> 654

今，それに触手を伸ばしているところだけど，どこがダメだった？？

664 ：デフォルトの名無しさん：2012/04/21(土) 20:08:12.47

>>660
ivyってGPGPUとして使えんの？

665 ：デフォルトの名無しさん：2012/04/21(土) 20:18:04.15

OpenCLならできなくもないのかな？

666 ：デフォルトの名無しさん：2012/04/24(火) 13:30:34.56

誰かHMPP使ったことある人いる？

667 ：デフォルトの名無しさん：2012/04/24(火) 20:58:18.61

CUDA4.2きたな
ttp://developer.nvidia.com/cuda-downloads

668 ：デフォルトの名無しさん：2012/04/25(水) 20:18:30.00

Adobe Creative Suite 6: Bye bye CUDA, Hello OpenCL!
ttp://www.geeks3d.com/20120425/adobe-creative-suite-6-opencl-accelerated-mercury-graphics-engine-opengl/

669 ：デフォルトの名無しさん：2012/04/25(水) 20:24:16.57

ivyの影響だな

670 ：デフォルトの名無しさん：2012/04/26(木) 23:10:43.77

CPU、GPUを利用（プログラム）するには？
http://togetter.com/li/293863

671 ：デフォルトの名無しさん：2012/04/29(日) 14:44:53.67

GPUのデメリットは同じ変数計算を毎回糞真面目に超高速で行うところ

672 ：デフォルトの名無しさん：2012/04/29(日) 18:55:51.68

メモリ読むより速いからな

673 ：デフォルトの名無しさん：2012/04/30(月) 07:47:23.73

GTX690
http://pc.watch.impress.co.jp/docs/news/20120429_530569.html

674 ：デフォルトの名無しさん：2012/04/30(月) 08:35:43.64

>> 671
一つ一つの計算は超高速でもなんでもない
並列で行うので早くなるだけ
超高速になるか否かはプログラミングの問題

>>672
演算にはメモリーの読み書きを伴うので，演算が「メモリ読むより速い」とはならないのでは？

675 ：デフォルトの名無しさん：2012/04/30(月) 21:06:45.57

>>671
意味が分からん。
アーキの概念の理解ができていないじゃねーか？

676 ：デフォルトの名無しさん：2012/05/01(火) 00:39:15.46

>>675
明日短いわかりやすいソースアップするからコンパイルして実行してみて
言いたいことがわかると思う。
CPUにはあってGPUにはない機能を使うことになる、まぁホントしょうもないことだけど・・・

677 ：デフォルトの名無しさん：2012/05/01(火) 00:53:32.34

？？？

678 ：デフォルトの名無しさん：2012/05/01(火) 00:59:29.65

言ったら悪いかも知れんけど単にアルゴリズムが悪いんじゃないのか。

679 ：デフォルトの名無しさん：2012/05/01(火) 08:09:04.59

>>671
アドレス計算とかまさにそれだよね。
普通のループなら+4で済むところが、
ptr + threadIdx.x*4 + threadIdx.y*hoge
とかになっちゃう。

680 ：デフォルトの名無しさん：2012/05/01(火) 08:24:43.67

それはGPUのデメリットじゃないな。
GPU(nvcc)でもループなら普通に書いたら普通に最適化してくれる。

681 ：デフォルトの名無しさん：2012/05/01(火) 10:38:58.63

>>679
これはデメリットと違う。
CPUでマルチスレッドでやれば同じように明示的にアドレス計算を行う必要がある。

682 ：デフォルトの名無しさん：2012/05/01(火) 13:31:24.76

シングルスレッドでの最適化が、そのままマルチスレッドに使えると思ってるなら、並列で組むのに向いてないな。

ひとつの処理として見たとき無駄でも、それで大多数の演算を同時に走らせることができるなら、
並列処理においてはそれこそが効率的なんだよ。

683 ：デフォルトの名無しさん：2012/05/02(水) 01:02:11.09

>>669
残念、AMDとアドビのコラボでした
http://www.4gamer.net/games/133/G013372/20120426013/

Ivyは端から相手にされてません

684 ：デフォルトの名無しさん：2012/05/02(水) 01:48:54.23

http://ascii.jp/elem/000/000/672/672388/
このカード使ってる人居ませんか？

メモリがいっぱい欲しいけど、高いカードは買えないので
試しに買ってみようかと思うのですが。

685 ：デフォルトの名無しさん：2012/05/02(水) 02:05:34.87

同じ世代のGPUでも生産地の違いで演算速度は全く違うからね
もっと言うと転送速度が全く違う
まあフラッシュメモリでも同じこと言えるけど

686 ：デフォルトの名無しさん：2012/05/02(水) 04:31:00.56

>683
ずいぶんニッチなところだな

687 ：デフォルトの名無しさん：2012/05/02(水) 09:30:37.50

>>684
マジレスすると、CUDAでやるメリットはない。
Sandyやivyの方がはるかに高速。
まあ、CUDA勉強するだけならいいが、もっと別のカードのほうがいいだろ。

688 ：デフォルトの名無しさん：2012/05/02(水) 11:01:38.16

>>684
メモリ転送が遅過ぎて4GBのメモリを活かしきれない悪寒。

689 ：デフォルトの名無しさん：2012/05/02(水) 12:41:42.31

SRAMを４GBつんでるカードはないのか？

690 ：デフォルトの名無しさん：2012/05/02(水) 16:10:34.75

>>667

>New Features
>Support for GK10x Kepler GPUs.

とりあえず、GK104対応にしました的か。

691 ：デフォルトの名無しさん：2012/05/02(水) 18:28:26.54

VRAM 4GB以上のカードって、ほとんどないんだね。
TeslaかQuadroしか見つからなかった。
お値段10万円越

692 ：デフォルトの名無しさん：2012/05/02(水) 18:42:59.54

4年後にはVRAM16GBが普通にでまわるんだよ

693 ：679：2012/05/02(水) 22:18:41.81

>>680 >>681
あれ、そういう話じゃないのか…
そうだとすると、 >>671 が何を言いたかったのか思い付かないな…

694 ：デフォルトの名無しさん：2012/05/03(木) 15:04:28.21

>671は皮肉だろ。

695 ：デフォルトの名無しさん：2012/05/03(木) 16:07:25.13

ということにしたいのですね。

696 ：デフォルトの名無しさん：2012/05/04(金) 01:03:14.33

デメリットに感じる境地まで辿りついたんだよ、きっと
俺にはまだメリットにしか思えないんだけど・・・

697 ：デフォルトの名無しさん：2012/05/05(土) 21:18:13.51

>>692
今から4年前の2008年頃はG80世代で大体1GBだったが、4年後のGTX680でまだ2GBだから、
4年後はせいぜい4GBなんじゃないの？Tesla系で16GBにはなっていそうだけど。

698 ：デフォルトの名無しさん：2012/05/05(土) 21:24:38.22

そういやPCのDRAM搭載量に比べて、あんまり伸びないよね＞ビデオカードのメモリ

699 ：デフォルトの名無しさん：2012/05/05(土) 21:26:52.65

GDDRは数が出ないからね。
DRAMメーカーがあんな状態だから尚更でしょう。

700 ：デフォルトの名無しさん：2012/05/05(土) 21:33:02.38

プロセスシュリンクが汎用DRAMと同じように進めば同じようにでかくなると思うんだけど。
だんだん引き離されてるってこと？

701 ：デフォルトの名無しさん：2012/05/10(木) 01:35:01.75

日本のメモリの会社が潰れたのはかなり痛いな・・・

702 ：デフォルトの名無しさん：2012/05/10(木) 15:36:00.11

ptxコード読まなきゃいけなくなったんだけど、typeの.predって何なのかいまいちわかってない

703 ：デフォルトの名無しさん：2012/05/10(木) 16:46:59.88

述部(predicate)だね。
ptxの場合は単に、比較などの結果を保持するだけのような希ガス。
で、そのレジスタの結果に依存してインストラクションの実行する、と。
例えば、
--
setp.gt.s32 %p1, %r5, %r7;
@%p1 bra $Lt_0_12802;
--
なら r5 > r7のときに分岐するし、
--
setp.lt.s32 %p2, %r9, %r11;
@%p2 sub.s32 %r14, %r11, %r14;
--
なら r9 < r11のときに引き算を行なう。

704 ：デフォルトの名無しさん：2012/05/10(木) 21:33:54.24

分岐マスクのためのレジスタは何本あるんだろ
それとも汎用レジスタと共用なのか

705 ：702：2012/05/11(金) 16:21:50.31

>>703
thx
そういう意味だったのか……
CUDAはC言語の延長だから大丈夫とか考えた三月の俺を叩きのめしたい

PTXコードの読み方って英語のやつしかないよねたぶん

706 ：デフォルトの名無しさん：2012/05/11(金) 17:11:50.74

>>705
私が書いたメモならあるよw

>>704
実験コードで見たところ、汎用レジスタと述語レジスタの合計で制限されてたかと。
述語レジスタだけでどこまで増やせるかは実験してない。

707 ：702：2012/05/11(金) 17:26:43.70

>>706
恵んでください。
割と切実に。卒業したいので。

708 ：デフォルトの名無しさん：2012/05/11(金) 18:02:12.84

ISA的にはwarpあたり7本か6本じゃね。
3bitのどれかが常にalways扱いだったような。

709 ：デフォルトの名無しさん：2012/05/14(月) 15:19:34.27

初心者質問です。
お願いします。
cufftってcuda3.2でも使えるのでしょうか？
cufftdestroyが未解決の外部シンボルだと言われてしまうのですが？
ただ単に、リンクできてないだけなのでしょうか？

710 ：デフォルトの名無しさん：2012/05/14(月) 18:14:14.93

>>709
使えたと思うよ。
つーか、cufftdestroy()が未解決って、あんたの間違いだろ。

711 ：デフォルトの名無しさん：2012/05/15(火) 14:03:46.41

>>710
返信ありがとうございます
他の関数はコンパイルが通る(通っているように見えるだけ？)のに
cufftdestroy()
cufftExecZ2Z()
cufftPlan1d()
だけが未解決となっているのですが、
この関数だけ、他のライブラリが必要だなんてことがあるのでしょうか？

712 ：デフォルトの名無しさん：2012/05/15(火) 15:52:04.02

destroyはDestroy。
z2zは未実装。
Plan1dはしらね。
警告レベル引き上げれば?

713 ：デフォルトの名無しさん：2012/05/17(木) 11:36:49.94

cufft.hはインクルードしているのかな？

714 ：デフォルトの名無しさん：2012/05/17(木) 13:08:31.44

■後藤弘茂のWeekly海外ニュース■
NVIDIAが世界最多トランジスタ数のチップ「GK110」を公開

http://pc.watch.impress.co.jp/docs/column/kaigai/20120517_533500.html

715 ：デフォルトの名無しさん：2012/05/17(木) 15:21:47.32

警告レベルって、デフォルトは最大なんですよね？
Destroyに関しては、タイプミスです。
z2zは未実装っていうのが、よくわからないんですけど。。。。

716 ：デフォルトの名無しさん：2012/05/17(木) 17:10:10.69

GPGPU上でソケット通信とかって出来るかな

717 ：デフォルトの名無しさん：2012/05/17(木) 17:20:54.19

GPGPUの仮想マシン同士のn対n通信をシミュレートとかそういうのをイメージした

718 ：デフォルトの名無しさん：2012/05/17(木) 18:16:22.69

>>715
未実装: 実装されていないこと。
cufftのライブラリの中にz2zの関数そのものが存在していないのよ。
で、あんたがどんな環境で開発しているか判らんのに警告レベルがどうなっているかなんか判るかい。
そんなことは自分で調べなさいよ。

>>716
cuda5でLAN接続されているGPU同士で連携させる機能がつくらしいよ。

719 ：デフォルトの名無しさん：2012/05/17(木) 21:52:07.76

多次元配列を扱えないのは何でなんだろう．

ブロックとスレッドインデックスで一次元化するの面倒なんだけど．

720 ：デフォルトの名無しさん：2012/05/17(木) 23:46:21.89

ピンメモリを確保すると、スワップによる退避を防げるのは分かったのですが、
実際はスワップ以外にも、メモリフラグメンテーション解消のためのコンパクションでも
メモリアドレスの変化って起こり得ますよね？
それもないようにするのがピンメモリですよね？

721 ：デフォルトの名無しさん：2012/05/18(金) 01:25:35.91

>>719
別に扱えなくはないぞ。普通にdata[blockIdx.x][thiredIdx.x]ってできると思う。
スレッド数を定数にしなくちゃならなくなるから却って煩わしいと思うけど。

つーか、面倒ったってオフセット計算する関数を作るだけじゃん。

722 ：デフォルトの名無しさん：2012/05/18(金) 08:01:52.56

cufftExecZ2Z() は cufft.hに定義してある

マニュアルをチェックすべし

http://developer.download.nvidia.com/compute/DevZone/docs/html/CUDALibraries/doc/CUFFT_Library.pdf

723 ：デフォルトの名無しさん：2012/05/18(金) 08:26:07.35

>>719
多次元配列はサイズが大きくなるとポインタ分データが多くなるのでポインタ分だけでキャシュからの溢れる。
だから一次元でやる。
面倒ならマクロで定義すればいい。

724 ：デフォルトの名無しさん：2012/05/18(金) 08:33:46.83

>>723
＞多次元配列はサイズが大きくなるとポインタ分データが多くなる
は?

725 ：デフォルトの名無しさん：2012/05/18(金) 08:38:49.87

>>722
いやさ、今は実装されているならいいんだけどね。
少なくとも暫く前のcufftにはcufft.hで宣言されていたのにライブラリにはなかった。

726 ：デフォルトの名無しさん：2012/05/18(金) 08:42:01.16

>>723
なんでオフセット計算をマクロでやるの?
gpu関数はインライン展開されるからマクロより悪くなることはないんだけど。

727 ：デフォルトの名無しさん：2012/05/18(金) 11:59:38.29

ここでいう多次元配列って静的に作ったやつのことか？
ならインライン展開されるわな。

728 ：デフォルトの名無しさん：2012/05/18(金) 12:47:21.20

__device__の関数→インライン展開される。
静的な多次元配列→インライン展開される。
∴動的な多次元配列をポインタ配列で実装した場合のみ、インライン展開されない。
つーか、ポインタ配列なんて面倒でキャッシュ効率の悪いデータ構造なんて使うなや。

729 ：デフォルトの名無しさん：2012/05/18(金) 18:28:40.62

>>721
CudaMalloc使ってるんだけど，
Data[Mx][My][Mz]の配列があったとして，Data[i][j][k]にアクセスするには，
Data[Mx*My*k+ My*i+ j]としないといけないじゃん．

配列要素を求める関数を作ればいいわけね，了解．
ありがとう．

730 ：デフォルトの名無しさん：2012/05/18(金) 19:54:31.37

>>729
__device__ static int offset(int p1, int p2, int p3, int w2, int w3)
{
return p3 + (p2 + p1 * w2) * w3;
}

731 ：デフォルトの名無しさん：2012/05/18(金) 20:25:07.43

プログラムによるけど、ループの早い段階でiやjを確定させてアドレス求めて、
最終要素だけポインタインクリメントの方がだいぶ速い。

732 ：デフォルトの名無しさん：2012/05/18(金) 23:17:47.45

それが一番コンパイラにやさしい。

733 ：デフォルトの名無しさん：2012/05/20(日) 21:45:07.78

>>730
ありがとう．
参考にする．

>>731，>>732
そうなのか．それもやりかた調べてから，考慮してみます．

734 ：デフォルトの名無しさん：2012/05/21(月) 00:39:00.27

tesla k20は24GBもメモリが載るみたいだな。
でもメッチャ高そう。
50万位かな？

735 ：デフォルトの名無しさん：2012/05/21(月) 15:46:37.20

>>712
解決しました。恥ずかしながら、ただ単にcufftライブラリにうまくリンクできてないだけでした。
全ての関数において、実装されているようです。
でも、なんで他のcufft関数においては、リンクエラーが出なかったのでしょうか？。。。。。

736 ：デフォルトの名無しさん：2012/05/22(火) 18:41:19.19

sampleが置かれたディレクトリでコンパイルすれば，そのままOKだし．
sampleを別のディレクトリにコピーしてからコンパイルすると，設定し直しのところが多々あるが，
そう言うことかい？？

737 ：デフォルトの名無しさん：2012/05/23(水) 14:44:51.35

詳しい方に質問させてください。
Win7Pro64 + VC2010Pro + CUDA4.2で32bitのdll (Matlabのmex)を
作成して、カーネル(1回のみ呼び出し)の実行時間を計測しました。
Nsight Visual Studio Editionのプロファイルでは約3583msとなったのですが、
メイン関数側でカーネル呼び出しの時間を調べると12079msとなりました。
この差の原因がわからずに困っているのですが、心当たりのある方は
いらっしゃいませんか?
足りない情報などあればツッコんでください。
よろしくお願いします。

738 ：デフォルトの名無しさん：2012/05/23(水) 15:16:21.45

>>737
詳細は実際のコードを見ないと判らないけれど、カーネル呼び出しは完了復帰じゃないよ。
逆に、それを巧く利用すればGPUとCPUで並列処理ができるって寸法だ。

739 ：737：2012/05/23(水) 15:25:51.83

>>738
レスありがとうございます。
メイン関数側での測定は、カーネル呼び出し後に
cudaThreadSynchronize();
としてから測定していますが、これではダメですか?
これを入れ忘れると、メイン関数側での測定時間が極端に短くなる
という話はよく目にするのですが、今回は逆に、メイン関数側での
測定時間が極端に長くなっています・・・・

740 ：デフォルトの名無しさん：2012/05/23(水) 15:31:10.09

>>739
おっと、時間は見落としていた。
ドライバレベルで実装してないなら、カーネル呼び出しの陰に
いろんなものが呼ばれているんだと思うよ。
グリッド数が多ければカーネル呼び出しは複数回に分割されるし、
GPU側は純粋にカーネル時間しか計上されない筈。
しかし、12秒か。ほんとにそんなに掛かってるの?

741 ：737：2012/05/23(水) 15:57:57.69

>>740
実際にmatlab側でdllの呼び出し時間を測っても12秒程度かかっています。
問題のサイズに応じてブロック数とスレッド数を変えても、無駄時間ごと
スケールしているような印象です・・・
12秒というのは、ブロック数512, スレッド数32で呼び出した時の結果です。

普通はどのくらいのラグがあるものなのでしょうか?
またグラボはGTX560Tiの1枚のみの環境なのですが、画面出力用に
別のグラボを挿したら改善する可能性などありますか？

742 ：デフォルトの名無しさん：2012/05/23(水) 16:10:34.45

>>741
SPをどれだけ使えるかは画面表示でどれだけ使っているかとトレードオフだから、
画面出力を止めると処理時間が短くなる可能性は充分あるね。
ブロック:スレッド=512:32でそれなら、256:64か128:128にしてみたら?
あー、問題の性質に対して固定なら難しいか。
できれば、問題の性質に関係なくスレッド数を決められるようにした方がいいのだけれど。

743 ：737：2012/05/23(水) 16:24:24.92

>>742
ブロックとスレッドの積を揃えたときの実行時間も調べたのですが、
スレッド数が8,16,32,64の中では32が一番早かったです。

CUDAのドライバAPI(cuda*ではなくcu*の命令?)は使っていないのですが、
カーネル関数をただ呼び出すときでも陽に使うものなのでしょうか??
また、そのあたりにどのくらいの時間がかかっているかを調べるには
どのような方法がありますか?

744 ：デフォルトの名無しさん：2012/05/23(水) 16:53:02.88

>>743
私ゃ面倒だから使ってない。
カーネル内でスレッドに依存するようなコードでなければ、
スレッド数32にピークが来るのはなんか変だな。
スレッド数はもっと多く取れと書かれていたのを読んだ気がするし、
実際もっと多く突っ込んだ方が速くなった。

745 ：デフォルトの名無しさん：2012/05/24(木) 14:50:32.51

cudaSafeCall() Runtime API error : unknown error.ってなんだよ！？
エラーの原因ぐらい解明してくれよ！！
メモリ確保のあたりが、おかしいんですかね？

746 ：デフォルトの名無しさん：2012/05/24(木) 15:16:54.57

CUDAの関数は、完了復帰とは限らないのでご用心。
ソース見ないとなんとも言えないけど、その呼び出しの以前に発生したエラーが
その呼び出しで露見して、エラーを返しているのかもしれない。

747 ：デフォルトの名無しさん：2012/05/25(金) 00:02:51.66

カーネル関数Aを実行して、カーネル関数Bを実行して、カーネル関数Cを実行して、
それをループ、という処理を考えてるんですが。
実行するカーネル関数を切り替えるのって、オーバーヘッドありますか？

748 ：デフォルトの名無しさん：2012/05/25(金) 03:45:34.07

>>747
そりゃぁ、ありますがな。できればカーネル一個でできるだけ時間稼ぐべきだけど、
問題の性質によっては分割数の関係でカーネルを分離せざるを得ないしね。

749 ：デフォルトの名無しさん：2012/05/25(金) 10:38:00.51

>>746
なるほどです。
直前のcuda関数からあらってみます。

750 ：737：2012/05/25(金) 19:53:25.01

>>744
レスありがとうございます。
あれから色々調べてみたところ、カーネル呼び出しに無駄に時間が掛かるのは、
NVIDIA Nsight Visual Studio Edition (Win 64bit, 2.2.0.12132)が原因のようでした。
(これをアンインストールしたところ、呼び出し側で測定しても、カーネル側で測定
した時間と同じ程度の時間しかかかりませんでした。)
クリーンなWin7環境にVS2010とMatlabとCuda Tool Kitを導入した上で同じNsightを
インストールした場合には、特に遅延などの問題もなく呼出しができたので、
ご相談した件は、他のソフトウェアなどの環境とNsightとの複合的な要因による
かもしれません。
どうもお騒がせしました。

751 ：デフォルトの名無しさん：2012/05/31(木) 18:30:24.35

>>745
このエラー、たまにだけど確かにおきる。
デバッグのノウハウとかあったら教えてほしいです。

752 ：>24 ではないです：2012/06/01(金) 14:54:14.19

>>24,>>26 で触れられてから9ヶ月経っていますが
NVidiaのコンシューマ向けGPUの計算結果の正しさをチェックする
スクリーニングソフトウェアって今でも公開されいないのでしょうか？

753 ：デフォルトの名無しさん：2012/06/01(金) 15:32:41.25

>>752
CPUとGPUの計算結果の比較を取ればいい。

754 ：デフォルトの名無しさん：2012/06/01(金) 16:22:02.48

CUDA5の正式版はいつ公開されるの

755 ：デフォルトの名無しさん：2012/06/01(金) 21:21:50.26

cudaをVM上からさわる方法ってないんだろうか

756 ：デフォルトの名無しさん：2012/06/01(金) 22:25:29.40

Linux系のVMでPCI IDを持った任意のデバイスをVM側のネイティブデバイスに見せかける
方法が5年くらい前はあったはず。

757 ：デフォルトの名無しさん：2012/06/01(金) 23:44:12.96

>>755
つesxi

758 ：デフォルトの名無しさん：2012/06/02(土) 02:34:05.01

CUDAで計算した結果をDirect3Dで描画したいんですが、
同じプログラム内で同時に使っても問題ないでしょうか？
一つのGPUがCUDAとDirect3Dを切り替えて使うので、
切替のオーバーヘッドとか大きかったりするんでしょうか？？

759 ：デフォルトの名無しさん：2012/06/02(土) 02:49:37.13

ここでどんな答えが得られたとしても
自分で実際にやってみないと無意味な事だと思わないか
聞いているヒマがあったら自分が納得のいくテストプログラムを作らないか

760 ：758：2012/06/02(土) 02:54:57.22

できるのであればnVIDIAのハイエンドのGPUを買いたいです。
できないのであればRadeonを買いたいです。
その判断をしたいんです。

761 ：デフォルトの名無しさん：2012/06/02(土) 03:20:26.40

RadeonでCUDA使えるのか？意味が分からん

762 ：デフォルトの名無しさん：2012/06/02(土) 04:01:27.45

>>760
できるかできないかで言ったら、できる。
NVIDIA GPU Computing SDKの中にもCUDAによる計算結果をDirect3Dで描画しているサンプルもある
（An example of fluid simulation using CUDA and CUFFT, with Direct3D 9 rendering.）。
オーバーヘッドの大きい小さいは知らんけど。

763 ：758：2012/06/02(土) 11:43:21.60

>>761
すみません、CUDA＋Direct3DができないならCUDAは不要で、
純粋なグラフィックス用途（Direct3D）のみの観点でGPUを選ぶことになり、
その場合は個人的にRadeonのほうが良いと考えているからです。

>>762
ありがとうございます！
そのサンプルの情報を参考に検討してみます。

764 ：762：2012/06/02(土) 12:51:16.13

ちなみにタイトルはFluids (Direct3D Version)。
意外とCUDA＋描画はDirect3Dのサンプルってないんだなぁ。
このFluidsはD3D9を使ってはいるけど実質2Dの描画だから、
3Dのレンダリングをさせた場合とは負荷が違いそうなので注意。

しかしわざわざSDKに
Fluids (Direct3D Version)
Fluids (OpenGL Version)
とあるくらいなのでDirect3DとCUDAの併用って何か壁があるんだろうか。
CUDAは2Dどころかコンソールで済む使い方しかしたことないのでわからん。

サンプル内にCUDA+DirectXの組み合わせってなかなか見当たらないんだよね。
Ocean SimulationもN-Body SimulationもCUDA＋OpenGLとDirectCompute＋DirectXの2パターン。

ただ↓のリンク先にこう書かれてあるから可能は可能なのだろう。
＞OpenGLおよびDirectXグラフィックスドライバとCUDAドライバを同時使用可能
AV関連機能編 1/2 | ビデオカード選びの新常識 | DOS/V POWER REPORT http://www.dosv.jp/other/0907/09.htm

765 ：758：2012/06/02(土) 12:58:25.72

>>764
とても参考になります。
そういえばDirectComputeがありましたね･･･
グラフィックスとの親和性という意味ではそちらのほうが適切かもしれないので検討してみます。
（ただDirect3D9しか知らないので、Direct3D11を覚えないといけませんが･･･）

766 ：デフォルトの名無しさん：2012/06/02(土) 13:56:45.46

>>764
すべての環境がDirect3Dが使えるわけじゃないからな。
Windows環境しかやらないならDirectComputeあたり使ってればいいじゃん？

767 ：デフォルトの名無しさん：2012/06/03(日) 17:07:53.29

カーネルを起動するときにグリッドとブロックの設定を、
コンパイル時に<<<16,128>>>としてビルドする場合と、
例えばプログラムの引数で動的に変えられるように、
<<<grid,block>>>のようにコンパイルすると、
後者のほうがパフォーマンスが悪いんだけど、
グリッド/ブロック指定によってインライン展開とかに影響があるのかな？
決め打ちだと、GPUの種類ごとにバイナリを用意しないとならんのが嫌なので、
引数で変えられるようにしたい。

768 ：デフォルトの名無しさん：2012/06/03(日) 17:16:53.05

その違いによってコンパイル時にどういう展開になるのかとかは知らんので
他の詳しい人に任せるとして、小手先の対症療法だけどパターンが限られているなら
if(...) Kernel<<<16,128>>>(...);
else if(...) Kernel<<<32,64>>>(...);
とかは？これで決めうちに比べて速度低下しないのかどうかは知らんけど。

769 ：767：2012/06/03(日) 17:18:27.98

>>767
すみません、単に自分のコードがミスってて、grid = 16, block = gridな感じで単なるバグでした。
スレ汚しすみませんでしたm(__)m

770 ：デフォルトの名無しさん：2012/06/03(日) 17:33:57.91

ぶｗ原因わかってよかったね

771 ：デフォルトの名無しさん：2012/06/03(日) 20:29:23.88

突然すみません

error LNK2001: 外部シンボル "_cudaD3D9SetDirect3DDevice@8" は未解決です。

cudaD3D9SetDirect3DDevice()という関数がうまくリンクされていないというのですが原因が全くわからないです。
このエラーを調べたのですが全然原因がわかりません。
誰かわかる方いませんか？

772 ：デフォルトの名無しさん：2012/06/03(日) 23:03:31.05

すいませんようやく解決しました。
Direct3D9との相互運用はなかなか難しい・・・

773 ：デフォルトの名無しさん：2012/06/05(火) 05:48:19.38

昔の経験では、D3D9連携でcudaD3D9RegisterResource()がかなり重かった
cudaMemcpyでhostに転送してからGPUに書き込むのと速度が大差なかった
データサイズが大きくなかったせいかもしれないが

774 ：デフォルトの名無しさん：2012/06/05(火) 22:49:48.94

もう一般向けのGPGPUの時代は終わったよ。。。もうね趣味の領域を出ないわ

775 ：デフォルトの名無しさん：2012/06/06(水) 00:00:36.18

金蔓になるのはしょぼい自作ユーザじゃなくて、テスラ買ってくれる方だろうね。ぬふぉも必死なんでしょ

776 ：デフォルトの名無しさん：2012/06/08(金) 07:41:13.50

tesla K10はいくらくらいなんだろ？

777 ：デフォルトの名無しさん：2012/06/08(金) 14:37:45.13

カーネル関数で乱数使いたいとき、みんなどのライブラリを使ってるの？
curandとtinymtは使ったことがあるんだけど、他におすすめある？

778 ：デフォルトの名無しさん：2012/06/08(金) 14:56:24.65

その二つに何か問題があって質問してるの？

779 ：777：2012/06/08(金) 15:22:52.38

>>778
標準でついてくるからcurandを最初に使ってみたんだけど、
constメモリやレジスタを食いつぶすうえに遅いので窓から投げ捨てた。
みんなほんとにこんなの使ってるのか？と思って聞いてみた。

curandのかわりに偶然見つけたtinymtを使ってみたんだけど、浮動小数の乱数を返す関数が
(区間(1,2]の一様乱数)- 1.0f
のような実装なんで、machine epsilon以下の値が出ないんじゃないかと気になってる。
ほとんどゼロみたいな確率だから、実用上影響ないってことなのかな？

こんな感じで気になることがあったんで、スレ民のおすすめを聞いてみたくなったんだ。

780 ：777：2012/06/08(金) 15:28:07.77

間違えた。tinymt32_double12は区間(1,2]じゃなくて区間[1,2) の乱数を返すみたい。

781 ：777：2012/06/08(金) 15:38:50.50

また間違えた… tinymt32_double12って何者だorz
tinymt32_single12かtinymt64_double12に読み替えてね

782 ：デフォルトの名無しさん：2012/06/08(金) 17:42:55.18

CPU側のMTで生成した乱数をメモリに転送してるな
たくさんいるならカーネルで生成したほうがいいのだろうが

783 ：デフォルトの名無しさん：2012/06/08(金) 17:58:18.26

>>779
一様乱数ならその実装の方が良いんじゃね。

784 ：777：2012/06/08(金) 18:19:32.88

>>782
>CPU側のMTで生成した乱数をメモリに転送してるな
>たくさんいるならカーネルで生成したほうがいいのだろうが

ごめん、tinymtはcuda実装があるんで、そいつの話をしてるつもりだったんだ。
(www.math.sci.hiroshima-u.ac.jp/~m-mat/MT/TINYMT/CUDA/index-jp.html)
だからMTはCPU側じゃなくてGPU側で、thread毎に別のseedから生成しているつもり。

単にtinymtって言ったら元のc実装のことだと思っちゃうよね...すまん。

785 ：777：2012/06/08(金) 19:19:16.31

>>783
curandの方は少し違う実装になってるみたいなんで、ちょっと気になったんだ。

786 ：デフォルトの名無しさん：2012/06/08(金) 20:49:54.96

[1.0 .. 2.0)
というのは
(rand() & 0x7fffff) | 0x3f800000
ということ。
これて通じないなら掲示板で説明するには分量が多すぎるから、そういうものだと思い込むか、疑似乱数スレ見たりするといいんじゃなかろうか。

787 ：デフォルトの名無しさん：2012/06/08(金) 22:05:58.21

数値計算の基礎ってことで行列ベクトル積とか行列の和とかCUDAで実装したいんだけどサンプルコードとか載せてるサイトってありますか？

788 ：デフォルトの名無しさん：2012/06/08(金) 22:58:36.09

>>787
NVIDIAのサイト。

789 ：777：2012/06/09(土) 00:37:53.14

>>786
uint32の乱数の上位9bitをマスクして残りの仮数部だけを使えば[1,2)の乱数ができる、
ということなら分かってるつもり。
でも、ここから1.0fを引いたら、0とepsilonの間の値が取れないような気が....
curandの実装はその辺ちゃんとしてるのかな??

擬似乱数スレなんてものがあったとは気づかなかったんで、ちょっと覗いてきます。

790 ：デフォルトの名無しさん：2012/06/09(土) 22:34:58.61

>>789
"一様"乱数が欲しいんでしょ。

791 ：デフォルトの名無しさん：2012/06/10(日) 19:27:26.08

epsilonってのは気にしても無駄な範囲だろ
一切計算する気ないのか

792 ：777：2012/06/10(日) 23:28:03.14

擬似乱数スレかとおもってたら「疑」似乱数スレだった･･･
しかも5ヶ月以上止まってるしorz

>>790
>>791
一様と言うからには、epsilon以下の値についても、その浮動小数に丸められる区間の長さ?に応じて出現してくれないと、単精度で
if (rand() < 1e-10)
などとしたいときに困らない?
自分が今困ってるわけじゃないし、あってもレアなケースだとは思うんで、実用上問題なさそうなのはわかるんだけど、epsilon以下の値が帰ってくる実装もあるみたいなんで、ちょっと気になってただけなんだ。

793 ：デフォルトの名無しさん：2012/06/11(月) 01:54:45.17

有限精度な時点で飛び飛びの値を取るのは仕方が無い。
それでも、786みたいな実装なら乱数値として表れうる数は
等間隔で並んでいるから、表れうる値で任意の区間は
元の乱数が完全なら全て同じ濃度になる。

x / 2^32+1みたいな処理なら、無限精度があれば
上記と同じほぼ一様な擬似乱数となるだろうが
現実には浮動小数点の指数が変わり目で
濃度がグチャグチャになる。

794 ：デフォルトの名無しさん：2012/06/11(月) 10:05:27.80

>>792
そもそも浮動小数点数のことが分かっているのか？
例えば0.1から始まるfloatの値で、小数点以下7桁より下は表現できないわけだが
0-0.1の間だけで細かい精度が出るとかその方がおかしいだろ

795 ：デフォルトの名無しさん：2012/06/11(月) 10:07:13.96

あとepsilonというのはDBL_EPSILONやFLT_EPSILONのことだと思っているが違うのか

796 ：デフォルトの名無しさん：2012/06/11(月) 12:20:30.92

今から勉強するならOpenCLがいいのかな

797 ：デフォルトの名無しさん：2012/06/11(月) 15:28:10.49

OpenCLがGLレベルに普及するとは思えないなあ。
今からだったらOpenACCの方がいいかも。

798 ：デフォルトの名無しさん：2012/06/11(月) 15:56:04.93

C++ AMPもあるし正直まだわからんな

799 ：777：2012/06/11(月) 18:05:58.78

>>793
最初の6行は理解してたつもりなんだが、
>現実には浮動小数点の指数が変わり目で
>濃度がグチャグチャになる。
これは実際に試さないと理解できないような気がするけど、ちょっと納得した。
どうもありがとう。

>>794,795
epsilonの意味するところはあってると思うけど、精度についてはなにか勘違いしてないかい？
スレ違いだけど、単精度浮動小数点の(絶対値の)最小値は 2^-126 ≒ 1.1755e-38 なんで、
FLT_EPSILON = 2^-23 ≒ 1.1921e-7 よりも小さい値を扱うことはできるよ。
wikiの浮動小数点の項目には詳しく書いてないけど、
ocw.kyushu-u.ac.jp/0009/0006/lecture/4.pdf の 10-12ページとか、
www-ics.acs.i.kyoto-u.ac.jp/~nagahara/nc_text/nc_text.pdf の9-12ページ(14-17枚目)
なんかに詳しく書いてあるみたい。

800 ：デフォルトの名無しさん：2012/06/11(月) 19:35:26.90

http://codepad.org/60zSd6wZ
CUDAで行列ベクトル積を計算しようと思ったんですが
gemv.cu(38): error: argument of type "float *" is incompatible with parameter of type "float **"
のようにエラーが出ます。
配列の定義がおかしいというのはなんとなく分かるのですがどのように改善したいいのかアドバイスお願いします

801 ：デフォルトの名無しさん：2012/06/11(月) 20:53:48.89

>>800
エラーそのままじゃん
56行目のgemvの引数aの部分がおかしい

802 ：デフォルトの名無しさん：2012/06/11(月) 20:55:37.05

>>800
単にfloatポインタはfloatのポインタのポインタとの互換はありませんって言っているじゃない。
CUDAというよりもC言語の問題だぞそれ。
コード見てみたけど、ダブルポインタは必ずしも2次元配列を表すわけじゃないぞ。
cudaMallocHost((void **)&a,sizeof(float)*size);
<=これがおかしい。
やるなら、
cudaMallocHost((void **)&a,sizeof(float*)*size);
for(int i = 0; i < size; i++)
{
float *temp
cudaMallocHost((void **)&temp,sizeof(float)*size);
a[i] = temp;
}
とかやらないかん。メモリ管理はちゃんとせなアカンが。

803 ：デフォルトの名無しさん：2012/06/11(月) 21:49:20.81

>>800
a[i * size + j] = 1.0;
とか。

他にもg_ansはホスト側なのかデバイス側なのか、bを何回初期化するのか、
wkのところは+=ではないのか、この初期値で期待通りの動作をしているか確認できるのか、
とか色々と気になる点がある。

804 ：デフォルトの名無しさん：2012/06/12(火) 03:26:58.17

最新のおすすめの本ってありますか？

805 ：デフォルトの名無しさん：2012/06/12(火) 07:46:34.52

＞787

ソフテックのサイト

http://www.softek.co.jp/SPG/Pgi/TIPS/public/accel/accel-matmul.html

806 ：デフォルトの名無しさん：2012/06/12(火) 07:50:55.50

> 804

CUDAとOpenGLを組み合わせたい人には

先端グラフィックス言語入門 ~Open GL Ver.4 & CUDA~

807 ：デフォルトの名無しさん：2012/06/21(木) 21:42:36.00

GT440と640で性能大きくかわる？大差ないなら440買おうと思うんだけど

808 ：デフォルトの名無しさん：2012/06/22(金) 00:03:19.71

GT440の96coresに対してGT640は384coresで１：４か。他の条件が大体同じとするとどうなるんだろ。
Keplerは倍速シェーダじゃないから１：２相当。しかしcoreあたりの性能が違ってるから、
単精度演算メインならそのまま１：２くらいで、倍精度や整数演算とかが増えると１：１未満かな。

もし単精度メインで使う予定だったり新しいモノ好きなら640を、
用途はまだ不明で価格差がそれなりにあるなら440でいいんじゃないかな。

809 ：デフォルトの名無しさん：2012/06/22(金) 02:54:02.25

>>807
http://www.4gamer.net/games/160/G016083/20120610001/
GT640 vs GT440(GDDR5)

810 ：デフォルトの名無しさん：2012/06/23(土) 22:10:23.67

Xeon Phiが発表されたけど、K20の情報は出てこないな。

811 ：デフォルトの名無しさん：2012/06/24(日) 17:16:26.98

SCまで出ないんじゃね
GTX685の情報の方がまずは気になるわ
K20は当分触れる見込みないし

812 ：デフォルトの名無しさん：2012/06/25(月) 11:59:17.51

K20のどんな情報が知りたいの？

813 ：デフォルトの名無しさん：2012/06/25(月) 22:17:16.20

K20とXeon Phiはどっちの方がはえーんだろ？
Xeon Phiの方がなんかすごいような感じがするが。
K20はメモリが多いのがメリットになるのかなあ。

814 ：デフォルトの名無しさん：2012/07/16(月) 22:45:49.51

220から470に乗り換えて倍精度計算を始めようと思ったらコンスタントメモリまわりでエラー。
理由を探していたら>>580-581で既出か。
Fermiでコンスタントメモリ無くなってたのか？

815 ：デフォルトの名無しさん：2012/07/16(月) 22:53:01.30

コンスタントメモリなくなったんか！
ブロードキャストがなくなって性能落ちた！？

816 ：デフォルトの名無しさん：2012/07/16(月) 23:34:49.75

ttp://theinf2.informatik.uni-jena.de/theinf2_multimedia/Website_downloads/NVIDIA_Fermi_Perf_Jena_2011.pdf
のP32
>Fermi adds uniform accesses:
>Kernel pointer argument qualified with const
変数にはconst付けろと・・・orz調査不足ｽﾏｿ

817 ：デフォルトの名無しさん：2012/07/16(月) 23:46:38.53

個人的感想だけど、Fermiになってキャッシュ効くから
小容量ならグローバルメモリもコンスタントメモリも
大差無い気がした。

818 ：デフォルトの名無しさん：2012/07/17(火) 00:46:32.17

>>817
キャッシュだとポート（バンク？）の取り合いが起こっちゃうよね？
コンスタントメモリは読み込み専用の強みを活かして、各コアに一斉にデータを供給することができるんだよね？
この差は大きくない？？

819 ：デフォルトの名無しさん：2012/07/17(火) 01:18:42.71

サイトがハックされたってメールがNVIDIAから来たんだが、
このスレでは欠片も話題になっていないんだな

820 ：デフォルトの名無しさん：2012/07/17(火) 07:34:08.01

今時あわてるような話でもないと思ってた

821 ：デフォルトの名無しさん：2012/07/21(土) 00:46:18.86

GeforceでCUDAのコードを書いているんだが、
Linuxに比べWindows7は半分ぐらいのスピードにしかならない。
WDDMが問題みたいだけど、今は解決の方法があるのかな？
NVIDIAのフォーラムはなんかよろしくない状況みたいだから情報が入ってこない。

822 ：デフォルトの名無しさん：2012/07/21(土) 01:42:55.57

Windows7ショボいな･･･

823 ：デフォルトの名無しさん：2012/07/21(土) 01:51:40.57

グラボ2枚挿して片方何も接続しなくても遅いの？

824 ：デフォルトの名無しさん：2012/07/21(土) 07:38:57.60

>>823
ダメ。
WDDMがすべてのメモリを占有してしまう。Tesla系ならTCCが使えるから問題はないんだが。

825 ：デフォルトの名無しさん：2012/07/21(土) 20:44:05.84

>>821
処理としてはなにをやってる？
半年前に480GTX@Windows7と580GTX@Ubuntuでやったけど
はじめWindows7のほうが速かった。
(微々たる差だけど)

なにか試行錯誤して最終的にはLinuxのほうが若干速くなった。
具体的になにをやったかは覚えてないけど。

>WDDMがすべてのメモリを占有してしまう。Tesla系ならTCCが使えるから問題はないんだが。
Physx専用にするとWDDMは関係ないはずだけど。

826 ：デフォルトの名無しさん：2012/07/22(日) 10:18:06.46

>>825
Physx専用にするのはどうするんだ？
Physx専用ドライバを下から取って来てインストールすれば勝手に専用になるの？

http://www.nvidia.co.jp/object/physx-9.12.0613-driver-jp.html

827 ：デフォルトの名無しさん：2012/07/22(日) 19:27:06.16

>>826
ｎVidiaコントロールパネルを開いたことあるか？ｗ

828 ：デフォルトの名無しさん：2012/07/23(月) 21:49:34.89

>>825
Physx専用にしてもWDDMの管理下だぞ。
nvidia-smi.exeを実行してみ

829 ：デフォルトの名無しさん：2012/08/02(木) 16:58:06.96

最近CUDAの勉強を始めて、試しに画像処理アプリをGPU用に書き換えているのですが
どうしても分からないことがあるので質問させてください

double *a[5],*d_a[5];
int size=1280*1024;　//実際には読み込んだ画像のサイズが入ります
for(i=0;i<5;i++){
a[i]=(double *)calloc(size,sizeof(double));
for(j=0;j<size;j++)a[i][j]=i*j;　//ここのi*jは実際には読み込んだ画像の画素情報が入ります
}
for(i=0;i<5;i++)cudaMalloc((void**)&d_a[i],sizeof(double)*size);
for(i=0;i<5;i++)cudaMemcpy(d_a[i],a[i],sizeof(double)*size,cudaMemcpyHostToDevice);
func<<< Dg, Db >>>(d_a);

__global__ void func(double *f_a[5]);
上記のf_a[5]の、ホストにおけるa[i][j]にあたる値を参照するにはどうしたらよいでしょうか
ホスト同様にf_a[i][j]とすると
Warning: Cannot tell what pointer points to, assuming global memory space
上記の警告が出て上手くいきません
超初歩的な質問かと思いますが、アドバイス宜しくお願いします

830 ：デフォルトの名無しさん：2012/08/02(木) 17:15:58.20

>>829
d_aはホスト上の配列。そいつへのポインタを渡してもなんともならない。
d_aが固定長でいいなら、__global__ void func(doule * f_a0, doule * f_a1, doule * f_a2, doule * f_a3, doule * f_a4);
とするのが手っ取り早い。
d_aが可変長だったり巨大だったりするなら、
double ** dPtrArray, ** hPtrArray;
hPtrArray = malloc(sizeof(* hPtrArray) * length);
cudaMalloc((void **) & dPtrArray, sizeof(* dPtrArray) * length);
for (int ic = 0; ic < length; ++ic) {
cudaMalloc((void **) & hPtrArray[ic], sizeof(* tmp) * size);
cudaMemcpy(hPtrArray[ic], a[ic], sizeof(double) * size, cudaMemcpyHostToDevice);
}
cudaMemcpy(dPtrArray, hPtrArray, sizeof(* hPtrArray) * length, cudaMemcpyHostToDevice);
とでもしないと。

831 ：デフォルトの名無しさん：2012/08/02(木) 17:23:54.41

で、こんなの一々書くの面倒だからTrust使えよって話もあるな。

832 ：829：2012/08/02(木) 17:59:10.35

>>830
早速の回答ありがとうございます
書き忘れましたが、a、及びd_aは実行対象次第で2~5の間で変動するので下のやり方が良さそうですね
この後少々用事があるためすぐに試すことが出来ないのですが、参考にさせて頂きます
ちなみにTrustとは何でしょう？
軽く検索をかけたところThrustと言うものが見つかりましたが、こちらのことですか？

833 ：830：2012/08/02(木) 19:13:23.52

>>832
あーそうそう、Thrustだね。
画像サイズの上限を見込めるなら、固定長配列として確保した方が効率いいかもね。
>830には書いていないけれど、どうせサイズ情報も引き渡さないといけないのだろうし。
それはそうとして、画像処理なのにdoubleなの? floatでは精度足りないの?

834 ：829：2012/08/03(金) 00:35:11.95

>>833
レスが遅くなってしまいすみません。
要素型については、他のアプリとの連携や扱う画像の種類の関係上doubleでないと都合が悪いようです。
Thrustは独力でマニュアルを読むしかなさそうで大変そうですが、余裕があったら使ってみます。

ちなみに教えて頂いた方法に関して、
カーネル関数の実行　→　func<<< Dg, Db >>>(**dPtrArray);
関数の宣言　→　__global__ func(double **f_d);
関数内部での値の参照　→　f_d[i][j]
でよいのでしょうか？
ダブルポインタの扱いに不慣れなため、質問が多くてすみません。

835 ：デフォルトの名無しさん：2012/08/03(金) 07:57:43.31

3次元で偏微分方程式を解いています。
境界部分は別に解かなければいけませんが、どのようにするのが適切ですか?
通常のCだと、
for (int i=1;i<N-1;i++)
のようにしますが、CUDAでやる場合は、どのようにしたらよいのでしょうか?
ifで分けると、3次元の場合、膨大な数になってしまいます。

836 ：デフォルトの名無しさん：2012/08/03(金) 08:18:49.52

>>835
境界は計算しないでいいということなら、条件分けしないで計算してしまえばいい。
後でホスト側に転送する際に省略するか、転送してから捨ててもいいし。
境界は別の計算をするという場合も同じようにしておいて、ホスト側で計算してしまえばいい。
後は、データ構造で巧く工夫する位かな。

837 ：デフォルトの名無しさん：2012/08/03(金) 08:46:34.92

さっそくの返信ありがとうございます。
x[i]+x[i-1]+x[i+1]
のような計算をした際に、配列が範囲外(i=0やi=N-1)の時、ほかの変数を書き換えたり、
暴走したりしてしまいますか?
そうでなければ、ホスト側で計算してしまうという方法もつかえるのですが。
それともなにかもっとよい方法があるのでしょうか?

838 ：デフォルトの名無しさん：2012/08/03(金) 09:02:48.73

頭堅いなぁ。
例えば、メモリ確保量を2増やしておいてx[i + 1] + x[i] + x[i + 2]にアクセスすればいいじゃん。
後はそれらの応用。

839 ：デフォルトの名無しさん：2012/08/03(金) 09:09:03.87

それだとN-1の時だめのようです

840 ：デフォルトの名無しさん：2012/08/03(金) 09:20:24.01

韓国人が台湾のレストランで漬物など冷菜5品をオーダー → 「韓国ではキムチは無料！」代金を踏み倒す
http://engawa.2ch.net/test/read.cgi/poverty/1343905999/

http://rocketnews24.com/2012/08/02/237255/

【これはひどい】韓国人が台湾のレストランで漬物など冷菜5品をオーダー → 「韓国ではキムチは無料だから！」と代金を
踏み倒す
http://sociorocketnews.files.wordpress.com/2012/08/2012-08-02_122035.jpg
韓国人夫婦が台湾に旅行に来ていたそうだ。台湾のレストランに入り、漬物やつまみなど冷菜5皿を頼んだそうだ。しかし、
会計になって「冷菜代は払わない。だって韓国ではキムチは無料だから！」とゴネて、代金を踏み倒した。確かに、韓国で
はキムチやナムルはサービスでついてくることが多い。しかし、夫婦が訪れたのは台湾。自己中心的なひどい振る舞いが問
題視されている。

詳細
http://rocketnews24.com/2012/08/02/237255/

841 ：829：2012/08/03(金) 10:45:26.55

>>830で教えて頂いた方法を参考に>>834の
>カーネル関数の実行　→　func<<< Dg, Db >>>(**dPtrArray);
をfunc<<< Dg, Db >>>(dPtrArray);
で実行したところ上手く参照できました。ありがとうございます！
ただ、警告に関しては最初と同じものが出ます。
（Warning: Cannot tell what pointer points to, assuming global memory space ）
一応画像サイズ上限まで確認しましたが、値の参照については特に問題は見受けられません。
警告は無視してこのままでも大丈夫なのでしょうか？

842 ：デフォルトの名無しさん：2012/08/03(金) 11:40:57.18

>>839
>838に激しく同意。ループカウンタのiを1から回す代わりに0から回せってことでしょ。

843 ：デフォルトの名無しさん：2012/08/04(土) 06:26:43.55

>>842
ループ？

844 ：デフォルトの名無しさん：2012/08/04(土) 07:57:23.63

これ。
＞for (int i=1;i<N-1;i++)
Cudaでループじゃなく並列になる部分だとしても、同じことでしょ。

845 ：デフォルトの名無しさん：2012/08/04(土) 15:38:05.57

>>840
このスレにもKPOPに乗り遅れた
在日だらけのバーとかエイベっ糞とかの
芸能ヤクザ工作員が湧いてくるんだな
早く祖国に帰れば

846 ：デフォルトの名無しさん：2012/08/04(土) 15:39:41.19

【芸能】紅白K-POPゼロは、「芸能界の重鎮」某社長の意向？…桑田佳祐・KARA、
紅白出るか出ないか、舞台裏攻防戦（週刊新潮）[12/9]
1 ：諸君、私はニュースが好きだφφ ★：2010/12/09(木) 13:33:00 ID:???
■サプライズ無し！？

　思わぬ逆風が吹いたのは、アミューズだけではない。
　「当初、6枠と予想されたジャニーズ勢は、結局、嵐、NYC、SMAP、TOKIOの昨年と同じ4組で、
芸能生活30周年の近藤真彦（マッチ）は落選。これも、昨年4枠に急増したジャニーズの拡大路線を
警戒する業界に配慮した結果でしょうね」
　芸能デスクが言う。　「また、NHKの井上啓輔プロデューサーは、16組の演歌枠を半減させ、
『少女時代』『KARA』『BIGBANG』などのK-POPについて男女4枠を確保する意向を示していたが、
蓋を開けてみると韓国勢はゼロでした。
　実は、紅白出場歌手については、発表の数日前に芸能界の重鎮であるバーニングの周防郁雄社長と
相談するのが慣例化している。今年はその折に、“演歌枠半減なんてとんでもない。
そもそも全体の出場枠が減っているのに韓国人歌手を出すことはない"という意向が示されたというのです。
　これに対して、K-POP勢の日本での面倒を見ているプロダクション尾木の尾木徹社長らは怒り心頭。
これまでバーニングに公然と反旗を翻す事務所はなかっただけに業界の注視を集めているんです」
　ところで今年の紅白、このまま目玉もサプライズも無し、で終わるのか？あるNHK関係者によれば、
　「KARAは30、31日のスケジュールが空いているので要注目でしょう。桑田は状況がこじれすぎですが、
マッチの方は何らかのサプライズがあるかも」
　あまり期待せず、待とう。

ソース（週刊新潮　12/16号　46～47ページ）
http://www.shinchosha.co.jp/shukanshincho/newest/

847 ：デフォルトの名無しさん：2012/08/04(土) 15:40:34.00

463 ：名無しさん＠お腹いっぱい。：2011/06/21(火) 20:11:37.69
昨年末に勃発した日本音楽事業者協会（音事協）の会長である尾木徹氏（プロダクション尾木社長）と
ユニバーサルミュージックの顧問塩田真弘氏が K-POP利権を独り占めしていたことを、
芸能界のドンことバーニングプロダクションの周防郁雄社長が激怒した件は知る人ぞ知る話。
その手打ちの一環として、ユニバーサル所属になることが決まっていた芦田愛菜の音楽出版権を
「塩田氏が周防氏に譲渡したそうです。それで大ブレークするんですから、ドンの威光はすさまじいですよね」
（中堅芸能プロマネジャー）

848 ：デフォルトの名無しさん：2012/08/04(土) 16:03:48.61

サウンドスキャン(サ）とオリコン(オ)の初動売り上げ枚数比較
http://www.morcoff.uu.dnsdojo.net/morcoff/ga-ldr/img/mc1851.jpg
サウンドスキャンランキング　http://www.phileweb.com/ranking/cd-top20/

ウィンターマジック　　　　　KARA　　サ 72084 　　　オ 78148
GO GO サマー!　　　　　　　KARA　　　サ　105213 　　　オ 113873
ジェットコースターラブ　　　KARA　　　サ 111058　　　オ 122820
ジャンピン　　　　　　　　　　KARA　　　サ　48229　　　　オ　54977
ガールズトーク　　　　　　　KARA　　　サ　102605　　　オ　107403
スーパーガール　　　　　　　KARA　　　サ　265,697　　オ　275，206

MR.TAXI / Run Devil Run　少女時代　　サ　 96153　　　オ 100461
Gee　　　　　　　　　　　　　　　少女時代　　　サ　　59575　　　オ　　66203
GIRLS' GENERATION　　　　少女時代　　サ　　223，595　　オ　　231,553

Bo Peep Bo Peep　　　　　　　T-ARA　　　　サ 48487 　　　　　オ 49712

Let me cry　　　　　　　　チャン・グンソク　　サ 117170　　　　オ 119149

849 ：デフォルトの名無しさん：2012/08/04(土) 16:04:22.30

＞この「オリコン独占体制」を崩したのが、９５年に米国からやってきた「サウンドスキャン」です。
その情報源は、バーコード読みとり機が集計した「ＰＯＳデータ」。カネが支払われたＣＤの数だけを、
ホストコンピューターから取得してカウントする。大統領選挙の出口調査から生まれたこのシステム、
一店でも買い占めと思しき不自然な数字が集計されると、警告マークが出て自動的に統計から除外してしまう。
人為的な操作が入り込むすき間がないのです。米国の音楽チャート誌「ビルボード」は
９１年からこのデータを使っています。

＞サウンドスキャンとの比較で初めて、オリコンには独特の「癖」があることがわかりました。
(省略）レコード会社の看板スターがアルバムを発売すると、第１週のオリコンでの数字はなぜか
サウンドスキャンより高めに出る。２週目から降下し、だいたい２０週間の総売上数で
ＰＯＳデータと合致するのだそうです。１週目のオリコン売上数はレコード会社が
宣伝材料に使いますから、なんだか勘ぐりたくもなります。

＞かつては甘めの数字で満足していたレコード会社も、今やサウンドスキャンを無視できなくなった。
９８年をピークにＣＤの売り上げが急落する昨今、甘めのチャートではじいたＣＤを出荷したあげく、
膨大な返品の山を抱えることになったからです。限られた売り場にどの商品を仕入れるべきか
頭を悩ませるＣＤ店もまたしかり。
（AERA　2003年02月03日）

サウンドスキャンランキング　http://www.phileweb.com/ranking/cd-top20/
このヒットチャートは「サウンドスキャン・ジャパン（SSJ）」システムの１週間の推定売上データをもとに
作成したものです。同システムは、全国約4100店のソフト取扱店とＥコマースのＰＯＳシステムで
集計された実売データから市場推定したものです。

発売以来累計は2010年1月4日以降からEコマース分が含まれています。

850 ：デフォルトの名無しさん：2012/08/04(土) 16:04:56.53

＞サウンドスキャンジャパン
サウンドスキャンジャパンは、音楽・映像ソフトの売り上げランキングを集計・発表するサービスである。

株式会社エス・アイ・ピーが、アメリカのニールセン・サウンドスキャン社からライセンスを受けサービスを
提供している。

＞ビルボード・ジャパン
株式会社エス・アイ・ピーの提供する、リアルストア、Eコマース約4,100店舗における初回盤、
限定盤、通常盤がそれぞれ別集計されている推定売上枚数を、商品タイトルごとに合算した
アルバムセールスチャートです。

http://www.musicman-net.com/business/14955.html
音楽ソフトパッケージの各種マーケティング情報を取り扱うサウンドスキャンジャパン(SSJ)が、「2011年オーディオ・ソフト売上動向」を発表した。

2011年の「オーディオ･ソフト売上」は、前年比91.7％の2320億円(2010年は前年比91.4％の2530億円)となり、依然、音楽市場は減少傾向を続けている。

順位　アーティスト名　売上(単位：百万円)
1 　AKB4 　7,370
2 　嵐　4,201
3 　EXILE 　4,014
4 　KARA 　3,907
5 　少女時代　3,406
6 　安室奈美恵　2,236
7 　関ジャニ∞［エイト］　 1,994
8 　EXILE ATSUSHI 　1,977
9 　aiko 　1,960
10 　B'z 　1,840

851 ：デフォルトの名無しさん：2012/08/05(日) 00:49:32.55

韓国ハンファグループ日本法人のハンファ・ジャパンは２日、
総合商社の丸紅が建設を計画している日本全域の太陽光発電所に、
向こう４年間で約５０万キロワット分の太陽光モジュールを供給することで
丸紅側と合意したと明らかにした。近く本契約を締結する。

　供給されるモジュールは全てハンファソーラーワンの製品で、
売上額は６０００億ウォン（約４１６億円）に達すると見込まれる。

　日本への太陽光モジュールの供給が本格化したのは、
東日本大震災が発生した昨年３月以降だ。

　ハンファグループは震災後、鳩山由紀夫元首相の支援要請に応じて
太陽光発電システムなど１０億ウォン相当の支援を実施。
これを機に金升淵（キム・スンヨン）グループ会長が日本を訪れ、
野田佳彦首相や丸紅の朝田照男社長と面会し、太陽光発電事業での提携を協議した。
http://japanese.yonhapnews.co.kr/headline/2012/08/02/0200000000AJP20120802003300882.HTML

>ハンファグループは震災後、鳩山由紀夫元首相の支援要請に応じて
>太陽光発電システムなど１０億ウォン相当の支援を実施。
>これを機に金升淵（キム・スンヨン）グループ会長が日本を訪れ、
>野田佳彦首相や丸紅の朝田照男社長と面会し、太陽光発電事業での提携を協議した。

852 ：デフォルトの名無しさん：2012/08/06(月) 04:05:37.49

またネトウヨの陰謀論妄想か

853 ：デフォルトの名無しさん：2012/08/06(月) 23:15:24.01

C++とCUDAを連携させたプログラムを作成しているのですが、どうしても解決出来ない問題が発生してしまったので教えて下さい。
C++のスレに質問するか迷ったのですが、エラーにはCUDAがメインで関わっていると思ったのでこちらに書き込みます。

C++のプログラムからCUDAのプログラム（既にexeになっているもの）を実行したいと思い、下記のようなプログラムを作成したのですが、
CUDAプログラム単体では動いているのにC++のプログラムから呼び出すと実行時にエラーが発生してしまいます。

SDK内のサンプルプログラムでも実行エラーになってしまうので、CUDAプログラム側のバグでは無いと思うのですが…
system関数では実行出来ないのでしょうか？system関数以外でも良いのでなんとか実行する方法が知りたいです。

int _tmain(int argc, _TCHAR* argv[])
{

int ret;

printf("CUDAプログラム実行開始\n");
ret = system("\"D:\\Program File\\Test_Print.exe\"");
if(ret == 0)
{
printf("プログラム実行成功\n");
}
else
{
printf("プログラム実行失敗\n");
}

}

854 ：デフォルトの名無しさん：2012/08/06(月) 23:54:55.12

そのTest_Print.exeと同じ場所に何でもいいのでC++で作った何か*.exeを置いて同じことを試してみなよ。
俺があてずっぽうで言うとたぶん同じようにうまくいかないつまりCUDAがどうこうって問題じゃない。

855 ：デフォルトの名無しさん：2012/08/07(火) 01:28:32.72

>>854

回答ありがとうございます。
とりあえず引数表示するだけのプログラムで同じ場所にexeを置いて実行してみました。
このプログラムは実行出来ました。引数：XYZ のとき結果表示：XYZ

int _tmain(int argc, _TCHAR* argv[])
{
printf("%S \n",argv[1]);

Sleep(1000);

return 0;
}

856 ：デフォルトの名無しさん：2012/08/07(火) 03:16:00.97

>>855
そのCUDAのプログラム、何の準備もしていないDOSプロンプトから動かしてみたら何が起きる?
恐らく、それが答え。

857 ：デフォルトの名無しさん：2012/08/07(火) 03:43:55.76

>>853
system関数のマニュアル見てエラーの値をしらべたら？

858 ：デフォルトの名無しさん：2012/08/07(火) 16:21:01.57

2次元のグリッドやブロックはどのようなときに使うのでしょうか？
2次元は配列と同じように、1次元よりもメモリのアクセス速度が落ちるのでしょうか？

859 ：デフォルトの名無しさん：2012/08/07(火) 17:49:53.60

>>856
何の準備もしていないとは、環境変数等がセットされていないという意味でしょうか？

>>857
調べてやってみます

860 ：デフォルトの名無しさん：2012/08/07(火) 21:33:54.24

>>859
DOSプロンプトを立ち上げて、そのまますぐに実行できるかどうか。
それでエラーが起きるようなら、system()の引き数で起動できるわけがない。

861 ：デフォルトの名無しさん：2012/08/08(水) 01:03:48.79

Program File(s)ってオチじゃね。

862 ：デフォルトの名無しさん：2012/08/08(水) 23:24:12.76

>>857
errnoにエラーが格納されるとsystem関数のマニュアルに書いてあったので、
errno.h をインクルードしてsystem関数の直後にperror("ERROR:");を挿入してみました。
しかし、「No error」と表示されてしまいます。systemからの返り値が0で無く実行も出来ていないので何らかのエラーが発生していると思うのですが…
表示方法が間違っているのでしょうか？

>>860
Windowsのアクセサリからコマンドプロンプトを起動してCUDAプログラムの場所まで移動して、
実行してみたところ問題無く動作しました。

>>861
フォルダの場所を再度確認してみましたが、問題ありませんでした。

863 ：デフォルトの名無しさん：2012/08/08(水) 23:35:26.00

>>862
フォルダの位置じゃなくて、ファイルパスの文字列の取り扱いの事だと思うぞ。

864 ：デフォルトの名無しさん：2012/08/09(木) 00:00:00.26

すみません。自己解決しました。

動かしていたCUDAプログラムは対象のファイルに対して計算を行うプログラムだったのですが、
その対象ファイルを置く場所を勘違いしていました。
CUDAのプログラムが置いてある場所ではなく、Visual Studioのプロジェクトフォルダーの方に計算対象ファイルを置かないといけないんですね。
お騒がせして申し訳ありませんでした。

865 ：デフォルトの名無しさん：2012/08/09(木) 00:01:21.58

>>864
最初によくハマるケースだなｗ
カレントディレクトリの意識、大事に。
良い経験になったね。

866 ：デフォルトの名無しさん：2012/08/09(木) 00:06:13.28

>>865
まさかこんな事が原因とは思いませんでした。。。この機会にカレントディレクトリについても改めて勉強しなおそうと思います。

皆様アドバイスありがとうございました。

867 ：デフォルトの名無しさん：2012/08/10(金) 00:43:52.31

何か酷いな。

868 ：デフォルトの名無しさん：2012/08/11(土) 11:24:57.43

TeslaK20は30万だそうだ。

869 ：デフォルトの名無しさん：2012/08/11(土) 20:06:38.41

超基本的な質問をしたい。

「はじめてのCUDAプログラミング」を読んで色々動かしてるんだが、
ブロックとスレッドとSMとSPのそれぞれ関係がいまいちモヤッとしてる。

最初から順に読んでいて、57 ページの次の説明で躓いた。

> スレッド当たりのレジスタ数が
> 「SM当たりのレジスタ数 / ブロック内のスレッド数」
より多い時は、「カーネル関数」を実行できなくなります。

SM やレジスタは物理的なもので、ブロックやスレッドは論理的なものなのに、
なんでごちゃ混ぜになってるのか・・・

その少し後のページも見たり、直前の Warp の説明を読んで
俺なりに考えた結果、次のような認識なのだが、これは間違ってる？

・1つの SP は一度に1つのスレッドを処理する
・1つの SM は一度に1つのブロックを処理する

870 ：869：2012/08/11(土) 20:48:28.79

もう少し先まで読んだら、63 ページに

> 実は、これらのリソース使用量から、
> 「SM」内で同時に実行されるブロックの数が決まります。

と書いてある。

ひとつの SM 内で複数のブロックが同時に処理されるのか。
完全に俺の考え（>>896）が間違ってる。

この辺り、小出しにしないでズバッと解説したサイトや本は無いですか？

871 ：デフォルトの名無しさん：2012/08/11(土) 21:04:33.56

> 870
つ"NVIDIA CUDA Programming Guide"

872 ：869：2012/08/11(土) 21:12:39.61

あぁ、公式のガイドを当たれということね。

もし可能なら日本語の情報源があると大変ありがたいのだが・・・

がんばって NVIDIA CUDA Programming Guide 読んでみるよ。
ありがと

873 ：デフォルトの名無しさん：2012/08/11(土) 21:40:12.94

>>872
このスレでもきしゅつだけど、ソフテックのサイトとか？
ttp://www.softek.co.jp/SPG/Pgi/TIPS/public/accel/gpu-accel2.html

874 ：869：2012/08/11(土) 21:43:56.41

>>873
ありがたい

公式ガイドと併せて読んでみる。

875 ：デフォルトの名無しさん：2012/08/12(日) 03:30:05.24

CUBLASのmapping errorについて質問なんですが、
To correct: prior to the function call, unbind any previously
bound textures.
↑これは結局どうればいいのでしょうか？
前に確保したテクスチャの開放するとかfunction callにpriority与えるとか
具体的にどうしたら良いのかよくわかりません。
馬鹿な質問でごめんなさい

876 ：デフォルトの名無しさん：2012/08/12(日) 09:41:38.41

>>875
プログラマがすべき具体的な作業は知らんが、

「関数呼び出しの前に、それ以前バインドしたあらゆるテクスチャをアンバインドしろ」

と言ってるのだから、function callにpriority与える、は違うと思うよ。

877 ：デフォルトの名無しさん：2012/08/12(日) 22:50:55.12

次のコードを ptx にコンパイルした。

__global__ void kf (float *ods, float *ids)
{
int i = blockDim.x * blockIdx.x + threadIdx.x;
ods[i] = ids[i] * 2;
}

cuModuleLoad 関数でこの ptx ファイルをロードするところまではできたから、
cuModuleGetFunction 関数を使ってカーネルのハンドラを得たいんだが、
第3引数に "kf" を指定しても、エラー値 CUDA_ERROR_NOT_FOUND が帰ってくる。

コンパイルした ptx をテキストエディタで見てみると、
エントリー名（カーネル名）が kf ではなく _Z2kfPfS_ になってた。
（関数のオーバーロードを実現するため？）

試しに第3引数に "_Z2kfPfS_" を指定すると問題なくハンドラが得られた。

これ、cu ファイルに書いたカーネルの名前 fk を、
そのまま ptx ファイルのエントリー名にする方法は無いの？

あるいは、fk が _Z2kfPfS_ に変わる変換規則が分かれば、それでもいいけど。

878 ：877：2012/08/12(日) 22:54:40.95

>>877
分かると思うけど、訂正

> これ、cu ファイルに書いたカーネルの名前 fk を、
> そのまま ptx ファイルのエントリー名にする方法は無いの？

> あるいは、fk が _Z2kfPfS_ に変わる変換規則が分かれば、それでもいいけど。

これ、cu ファイルに書いたカーネルの名前 kf を、
そのまま ptx ファイルのエントリー名にする方法は無いの？

あるいは、kf が _Z2kfPfS_ に変わる変換規則が分かれば、それでもいいけど。

879 ：デフォルトの名無しさん：2012/08/12(日) 22:55:42.26

880 ：デフォルトの名無しさん：2012/08/12(日) 22:57:25.61

_Zで始まる所を見ると、gccのマングリング規則に合わせればよそさうな気がするけど
http://en.wikipedia.org/wiki/Name_mangling

881 ：877：2012/08/12(日) 23:00:45.44

すまん

もしやと思ってカーネル関数に extern "C" をつけたら、あっさり解決した。

882 ：デフォルトの名無しさん：2012/08/13(月) 02:29:19.99

CUDA Programming Guide の Appendix G を参考に Driver API を使ってみた。

cuda のライブラリを cuda.lib 使って静的リンクした時はOKだけど、
LoadLobrary + GetProcAddress で nvcuda.dll 使って動的リンクした時はエラーが出る。

下記の関数を nvcuda.dll からロードして関数ポインタにした。

cuInit　cuDeviceGetCount　cuDeviceGet　cuCtxCreate　cuCtxDetach
cuModuleLoad　cuMemAlloc　cuMemFree　cuMemcpyHtoD　cuMemcpyDtoH
cuModuleGetFunction　cuLaunchKernel

初期化して、コンテキストを作って・・・と進んで、
cuLaunchKernel でカーネル関数を実行したところまでは問題ない。
各関数の戻り値は正常。

で、計算結果をホスト側に戻そうと、cuMemcpyDtoH を読んだんだが、
戻り値が CUDA_ERROR_UNKNOWN になる。
（当然、ホスト側のメモリには何もコピーされない）

全く同じコードを、LoadLobrary + GetProcAddress を省いて、
cuda.lib を使うように切り替えると、全く問題なく結果がホスト側にコピーされる。

自分の書いたコードが悪いのかと思って、試しに
$(NVSDKCOMPUTE_ROOT)\C\common\inc\cuda_drvapi_dynlink.c をインクルードしてみたが、
こちらでも同じところで同じエラーが出た。

動的リンクに成功した人いる？

<環境>
Windows7 64bit
CUDA Driver & Runtime 4.2
Compute Capability 3.0

883 ：882：2012/08/13(月) 13:09:00.00

どうも、cuda_drvapi_dynlink.c を利用した場合に限れば、
64ビットをターゲットにしてコンパイルする事で正常になった。
32ビットをターゲットにしてコンパイルするとエラー。

しかし、nvcuda.dll は System32 フォルダにも SySWOW64 フォルダにもあるわけだが、
自分の作ったラッパーだとどちらを明示的にパス指定してロードしても、エラーになる。

64ビットOS用の CUDA SDK やツールキットを入れて、
32ビットをターゲットにして nvcuda.dll を動的ロードするプログラムを
コンパイルすることは無理なのかなぁ・・・

884 ：デフォルトの名無しさん：2012/08/15(水) 06:59:58.41

>>869

ここの一番下にCUDAのテキストがある。
ttp://accc.riken.jp/hpc/training/

885 ：882：2012/08/15(水) 12:00:15.21

OS 毎全て再インストールしたら、同じコードで、同じコンパイル方法で
エラーもなく正しい結果が得られた。

訳分からんが、とにかくこれで実験がつづけられる。

886 ：869：2012/08/15(水) 23:02:20.22

>>884
ありがと。

>>873 のページでだいぶ分かってきた。
メモリアクセスで待っているSPを遊ばせないようにという目的が分かると、
ブロックやスレッドなどの論理的な構造がある理由や、
SM や SP などの物理的な構造との関係が分かってくる。

>>884 のテキストでちゃんと理解できているか復習してみるよ。

887 ：デフォルトの名無しさん：2012/08/17(金) 18:51:51.24

NVIDIA CUDA 5 Release Candidate (Now available to all developers) - News - LaptopVideo2Go Forums
http://forums.laptopvideo2go.com/topic/29708-nvidia-cuda-5-release-candidate-now-available-to-all-developers/

888 ：デフォルトの名無しさん：2012/08/18(土) 01:49:58.66

　韓国経済が急激に失速している。一番の原因は、これまで韓国経済を引っ張ってきた原動力である輸出に陰りが見え始めたためだ。

　輸出に次いで内需の鈍化も懸念されている。住宅価格の下落とそれに伴う消費や投資の抑制がみられ、バブル崩壊以降日本が苦しんだ
「日本型長期デフレ」の兆候が現れている、との指摘も少なくない。

■好調に見えたのはヒュンダイやサムスンだけ

　韓国の輸出は、2012年7月の通関ベースで前年同月に比べて8.8％減と大きく減った。マイナス幅は3年ぶりの高い数値だという。

　これまで韓国の輸出をけん引してきた自動車の輸出が頭打ちになったのをはじめ、船舶や石油化学製品、携帯電話など主力製品の輸出が急速に落ち込んだ。

　韓国の輸出額は国内総生産（GDP）対比で50％を超える。「輸出国」といわれる日本でもGDP対比では10％半ばだから、輸出依存度の高さは圧倒的だ。
そのため、輸出の不振は即韓国経済の失速に直結する。

　なかでも韓国経済を支えてきたのが欧州連合（EU）向けの輸出。EUとは自由貿易協定（FTA）を結んでいる。そのEU向けが12年1～6月期には前年同期に
比べて16.0％も減った。EU諸国の債務危機から発した景気低迷が影響した。

　さらには中国向けも1.2％減った。第一生命経済研究所経済調査部の主任エコノミスト、西?徹氏は、「中国向け輸出の減少はボディブローのように効いています」と話す
。韓国の素材や部品メーカーは中国を介して、間接的にEU向け輸出を増やしてきたからだ。

http://headlines.yahoo.co.jp/hl?a=20120817-00000006-jct-bus_all

889 ：KPOPに乗り遅れた、在日が多くいる芸能ヤクザ工作員にはご注意を：2012/08/18(土) 02:07:28.32

もう、一斉にテレビ局の命綱といわれる
韓国ドラマをやめて、BS・CS畳んで
テレビ局の給料体系や芸能人のギャラ体系が維持できなくなるから
いったんキー局・在阪局・ローカル局を含めたテレビ局大リストラ
芸能人のギャラも大幅カットで
テレビ業界・芸能界が一から出直した方がいいな
しょせん、韓国ドラマをネット配信に取られたくないからという
批判しながらのダブルスタンダードが甘いんだよ
もう、何もかもうんざりだわ

890 ：デフォルトの名無しさん：2012/08/18(土) 04:39:29.14

シェアードメモリって例えば48KBあったとして一つのブロックで48KB使えるものなの？
それともカーネル全体で48KB？
ブロック内でのデータのやり取りが出来るって言うから前者かと思ってたんだが、うまく動かなかった。
Streaming Multiprocessorごとに48KBだから48KB÷(ブロックの数÷SMの数)がひとつのブロックのシェアードメモリ使用量の限界なのかな？

891 ：デフォルトの名無しさん：2012/08/18(土) 09:30:19.26

ディフォルトは16KiBで、APIで切り替えないと48KiB使えないんじゃなかったっけ?
それと、端から端まではフルに使えなかったかも。その場合は、コンパイルオプションで確認できたかと。

892 ：デフォルトの名無しさん：2012/08/18(土) 12:44:06.31

分っているかもしれないが、カーネル関数の引数で使う分も加えることを忘れずに

893 ：デフォルトの名無しさん：2012/08/19(日) 13:44:38.22

>>887
http://developer.nvidia.com/cuda/cuda-toolkit
NsightってVisual Studioのアドオンで提供されてたやつですよね。
Eclipse対応って貧乏人には嬉しい限りだ…

894 ：デフォルトの名無しさん：2012/08/19(日) 20:51:48.52

ちなみに、ホンオフェは魚を発酵させたもの。
ジュンタクは魚を牛糞に漬け込んだもの。
ホンタクは魚を人糞に漬け込んだもの。
ホンタクがもっとも高価で美味しく、珍味とされる。
韓国には昔から食糞の文化があり、体の調子をみるために糞を舐めたりしていた。
甘いと病気で苦いと健康とされていた。
両親の糞が甘かったので病気だとショックを受けたが、あまりの糞の甘さにオオ皿山盛りの糞を平らげて腹いっぱいで動けなくなったという、
ほほえましい昔話も韓国では伝えられている。

895 ：KPOPに乗り遅れた、在日が多くいる芸能ヤクザ工作員にはご注意を：2012/08/19(日) 21:25:35.26

>>894
嘘つくなボケ

2009-09-20
トンスル、その他の漢方薬関連の無知を基にした嫌韓差別都市伝説の考察
朝鮮史, 日本史, 嫌韓バカ
最近（でもないか）の嫌韓バカのお気に入りは「韓国人は食糞が文化」などというデマ。
年間250万人の旅行客が日韓間を行き来するこのご時世*1に、
そんなデマを信じる奴がいるのかねぇ・・・。とか思うのだが、いるようである。
今回はホンタク、トンスル、野人乾水、について調べてみた。
（珍説にも記載→珍説24・人糞を食するのは朝鮮の文化｜誰かの妄想）
http://d.hatena.ne.jp/scopedog/20090920/1253462347

896 ：KPOPに乗り遅れた、在日が多くいる芸能ヤクザ工作員にはご注意を：2012/08/19(日) 21:26:14.99

ホンタク

以前は、ガンギエイという「エイの切り身を人糞に漬け込んで発酵させた料理」*2
というデマが流されていた。
さすがに最近は、まともな情報が出てきて嫌韓バカの主張がデマであることが
知られてきた*3。
で、ホンタクとは、ホンオフェ（洪魚膾・エイ刺身）とタクチュ（濁酒・マッコリ）の
組み合わせのこと。
ホンオフェはテレビでも臭い食べ物として紹介され*4よく知られるようになったためか、
なかなか嫌韓バカのデマは通じにくくなったのだろう*5。
さて、人糞説というデマがなぜ発生したかと言うと、ホンオフェの作り方に起因する。
ホンオフェはエイの刺身を醗酵させて作るのだが、その醗酵のために堆肥の熱を
利用している。最近は刺身を入れた壷を堆肥の中に入れるようだが、昔は藁に包んで
堆肥に入れていたようだ。つまり納豆と似た製法になっている。
ちなみに堆肥は人糞、牛糞などを使っているので同じことだ、と主張する嫌韓バカもいるが、
ホンタク用の堆肥は主に松葉や米糠を使っている*6。堆肥は排泄物を使うとは限らない。
さてこの堆肥だが、韓国語では「トン?」と言い漢字にすると「糞」になる。つまり韓国語の
「トン?（糞）」には、日本語と同じく「糞」という意味もあるが「堆肥」という意味も
あるわけだ*7。
と言うより「糞」という漢字の字源は「畑にばら撒くもの」なので、意味としてはむしろ
「堆肥」の方が近かったりする。
もう分かるだろうが、韓国語で「トン?」と書かれた堆肥のことを人糞と勘違いした
どっかのバカが広めたのが、人糞説の発端だったわけ。
嫌韓バカは韓国をバカにするための格好の材料として、このネタに飛びつき、ろくに検証も
せずにネット上に広めて回った。と、こういうことだろう。

参照

http://blog.goo.ne.jp/mpac/e/4aba204bd01800448deb3f509a492d75

897 ：KPOPに乗り遅れた、在日が多くいる芸能ヤクザ工作員にはご注意を：2012/08/19(日) 21:27:22.02

トンスル

こちらはホンタクより最近のネタ。「スル」は酒のこと。「トン-スル」で想像つくだろうが
「糞酒」という薬のこと。嫌韓バカが触れ回っている”大便をふんだんに入れた酒”
というのはデマ。
入り口を塞いだ竹筒を大便の中に浸し長時間置き、中に滲み出てきた液体をとって
酒に入れたものが「トンスル」である*8。
液体の成分が何なのかはよく分からないが、大便由来なのは間違いなかろう。
ここで、やはり韓国人は食糞の文化を持っている！とはしゃぐのは早計。
漢方に詳しい人は気づいたかもしれないが、この液体をとるまでの製法は「人中黄」
という漢方薬とほとんど同じなのだ。李時珍の「本草綱目」で「糞清」と呼ばれるものが
この液体であろう*9。
「人中黄」については、トリビアの泉でも紹介されたので有名だと思うが、このように
説明されている。

No.117　　漢方薬には人間のウンコから出来たものがある
～確認VTR～
・人間のウンコから出来た漢方薬があるという富山医科薬科大学薬学博士
小松かよ子さんはこう語る
　Q.人間のウンコから出来た漢方薬がある？
　「確かにあります。人糞を加工した薬を解熱、解毒剤にしています」
・人間のウンコから出来た漢方薬「人中黄」　何故そんなものが体に効くのか？
　人中黄にさらに詳しいという難波先生を紹介して頂いた。
・ウンコから出来た漢方薬に詳しい難波恒雄先生
　Q.何故ウンコから出来た漢方薬が体に効く？
　「これは1500年程前からずっと使ってきた経験で良いという事が分かっているので
本当に良いかどうかというのはまだ科学的には解明されていない。
我々は毎日お米を食べてる。じゃあお米の何が効いているのかというのと一緒ですよね、
分からない」

898 ：KPOPに乗り遅れた、在日が多くいる芸能ヤクザ工作員にはご注意を：2012/08/19(日) 21:27:56.47

～補足トリビア～
1)「人中黄」は「甘草」という薬草の粉末を人糞に浸して作られた漢方薬
2)VTR中にあった「人中黄」は難波先生が中国のウイグルで手に入れたもので無臭である。
3)漢方薬の中には「人中白」という小便の固まりを日干しにして作られる薬もある。
http://s.freepe.com/std.cgi?id=mudachishiki&pn=18
日本人はそんな漢方薬を使っていない、とか言い出すバカもいるかも知れないので、
日本の医学書を調べてみた。

江戸時代の医学書「用薬須知」の6巻（人ノ部）には「人中黄」が載っており、
「大便ノ汁ナリ」という説明がついている。
製法については、「用薬須知続編」の3巻に載っており、大竹を切って一方の節を残し、
大甘草を入れて円形の木片でこれを塞いで、隙間は蝋で埋める。
これを糞の中に入れて一ヶ月おいて取り出し、乾かす。こうして出来たものが
人中黄、とある。
「トンスル」の場合、大甘草に滲みこませて乾燥させるのではなく、
竹筒内にしみでた液体を酒に入れて飲むという方法を取っているだけで、
基本的には人中黄と同じ成分を取っていると言える。
ちなみに、李時珍の「本草綱目」には糞の薬としての使い方がたくさん載っており面白い。
以下のサイトに現代語訳と共に乗っているので興味のある人はどうぞ。

参照：
http://mayanagi.hum.ibaraki.ac.jp/LecRep/04/TextInterp2.html

899 ：KPOPに乗り遅れた、在日が多くいる芸能ヤクザ工作員にはご注意を：2012/08/19(日) 21:28:32.56

野人乾水

朝鮮国王が野人乾水という人糞を使った薬を服用したという記録がある。

中宗（チュンジョン）は高熱が出た際、解熱剤として「野人乾水」を食べた。
「野人乾」というのは人糞だ。ドラマ『大長今（宮廷女官チャングムの誓い）』の背景になった
中宗後半から景宗（キョンジョン）のときまでは御医が明の医学の影響を受けて
王の疾病治療の原因究明を重視するようにしたほか、特に壬辰の乱（文禄の役）後、
鍼灸術が発達し、内医院での治療に広く使われた。
http://japanese.joins.com/article/article.php?aid=66867&servcode=400&code=400
これ自体は事実だが、前述の通り、江戸時代日本でも人糞を使った薬を用いているので、
だから？としか言いようがない。

ちなみにこの「野人乾水」の製法も「用薬須知続編」に載っている*10。

野人乾水　後編獣部ニ出ス所ノモノト別ナリ　此養鶏ノ方ニ出ツ　道三家ニ野人乾水ハ
竹筒ニ糞水ヲ盛リ泥水中ニ置クコト久ヲ経テ中清水トナルヲ取用ユト
乾燥した人糞を水に溶き長期間置いて透明になった上澄みが「野人乾水」。
日本にもあった漢方薬で「本草綱目」にも似たような記載があります。

900 ：デフォルトの名無しさん：2012/08/19(日) 21:48:43.87

伸びているから何かと思えば……

901 ：KPOPに乗り遅れた、在日が多くいる芸能ヤクザ工作員にはご注意を：2012/08/19(日) 22:26:06.85

用薬須知続編に載ってる変な薬の事例
「本草綱目」とそう変わらないだろうが、日本でも現在の感覚から理解できないものを
薬として使っていたことを知っておくのは無益ではなかろう。

「用薬須知続編」2巻にある薬
「尿滓」（小便ノカスナリ）
「男子屎尖」（男ノ屎ノ尖リノ端）
「熱糞堆」（アツキ人ノ糞ノ重ナリタルモノ）
「焼人糞」（ヤキタル人ノ糞）
ここまでが人の排泄物関連。

「頭垢」（アタマノフケ）
「交余」（交接ノ時拭タル布ナリ　一名精余ト云フ）
フケとかナニとか。

「人龍」（人が吐き出した回虫のこと）
寄生虫まで薬にするってのはすごいなぁ、と思う。あと、名前だけ見るとかっこいい。

まとめ

そもそも日中韓は同じような文化圏に属するわけで、韓国に変な文化があるぞ、
と笑っていると、日本にも似たような文化があったりする。笑った人は、
相手国の文化を理解できないのみならず自国の文化すら理解していない
無知をさらけ出しているわけで、結局は自分が笑われることになる。教訓じみてるなぁ。

時期の問題とか言いそうな人に対するおまけ

戦後、日本に進駐した米軍兵士が日本野菜をサラダにして食べたところ、
寄生虫に感染するものが多数発生したため、マッカーサーは激怒して、
「「寄生虫がいるなんてなんて不潔な国だ！今すぐ人糞肥料の使用を中止させろ！｣と
日本政府に迫ったそうです。慌てた日本政府は｢寄生虫予防会｣を各市町村に作り、
人糞肥料から化学肥料へと一大転換が行われたのです。」

902 ：KPOPに乗り遅れた、在日が多くいる芸能ヤクザ工作員にはご注意を：2012/08/19(日) 22:28:35.26

おまけ２

韓国は現在でも使っているから異常だ！とか言いそうだが、韓国人に嫁いだ日本人女性の
ブログは噂話程度の内容だし、その他は30年以上前の話ばかり。
じゃあ、日本ではどうなの？と言うと、似たような話があったりする。
「落し紙以前」（斉藤たま、論創社、2005）には、東北の一地方では便器の内側についた
カスを虫歯の穴につめる民間治療があったり、病気の子供を治すために牛糞でくるむ話が
あったり、「トンスル」同様の方法でとった「糞清」？を病気の治療に使う話などが
紹介されている。
まあ、そもそも日本でも韓国でも、排泄物を「汚い」とみなすようになったのは歴史的には
割と最近だったりするわけで・・・。*12

mujinさん流に言うなら、お前の尻も赤いぞ、ってこと。*13

*1：日本と韓国の間の旅行客数の推移　http://www2.ttcn.ne.jp/honkawa/7100.html

*2：http://blog.goo.ne.jp/mpac/e/4aba204bd01800448deb3f509a492d75

*3：人糞説に拘るバカは後を絶たないが・・・。最後には人糞じゃないということを証明しろとか言い出す始末・・・。
*4：2004年7月　http://www.ntv.co.jp/wrs/renewal/ranking/20040704/01.html
*5：ひょっとしたら、逆にテレビの内容を改ざんしてネットに広めた
*6：http://ja.wikipedia.org/wiki/%E3%83%9B%E3%83%B3%E3%82%AA%E3%83%95%E3%82%A7
*7：http://hanja.naver.com/search?query=%EB%98%A5
*8：http://www.gnnews.co.kr/index.html?section=KNJK&flag=detail&code=173716&cate1=KNJ&cate2=KNJK
*9：http://mayanagi.hum.ibaraki.ac.jp/LecRep/04/TextInterp2.html
*10：2巻
*11：http://www.naturalharmony.co.jp/trust/koramu/3sarada-kinenbi.html
*12：人糞を肥料として使っていた日本では、人糞の取り合いで大喧嘩になったりしてる。
*13：http://d.hatena.ne.jp/mujin/20090515/p1

903 ：デフォルトの名無しさん：2012/08/20(月) 00:07:48.45

　慶尚北道金泉で生まれ育った小説家、金衍洙（キム・ヨンス）氏は、25歳のときガンギエイを初めて見た。
ソウル・仁寺洞の居酒屋で先輩の詩人に勧められるままに、ピンク色の魚を一切れ、何気なく食べてみた。
その瞬間、彼は「全校生が使用する便所を丸ごと飲み込んだような感じ」に圧倒された。
アンモニア臭が口から3日間消えなかった。
金氏は「人間はなぜ、このような食べ物を食べなければならないのか」と考えた。
人生の中でそれは「死ぬと分かっていながら死に向かって疾走する欲望」だった。
そのため、金氏はガンギエイを「大人の食べ物」と呼んだ。

　ガンギエイを発酵させる過程を見ると、金衍洙氏が便所を連想したのも無理はない。
つぼに石を入れて、その上にワラを敷き、ガンギエイを置いて、繰り返して重ねていく。
そしてつぼの口をしっかり閉めて、暗い倉庫に置いておく。実際には腐らせるのと変わらない。
5、6日後につぼを開けると、息が詰まるほどのアンモニア臭があふれ出てくる。
昔、寒くてガンギエイがあまり発酵しない冬には、堆肥を腐らせる堆肥置き場にガンギエイを置いておくこともあったという。

　それでも、ガンギエイが腐らずに発酵するのは、体内に多くの尿素があるからだ。
ガンギエイを発酵させると尿素が分解されてアンモニアが発生する。
タンパク質が腐敗してアンモニアを発生させるのとは異なる。アンモニアは臭いがきつい毒性物質だが、
ガンギエイから発生するアンモニアは体に害を及ぼすレベルではない。
むしろ、ガンギエイを強アルカリ性にし、腐敗細菌や食中毒細菌の繁殖を抑える。
キムチやチーズのような発酵食品と同様に、ガンギエイの味を覚えると、病みつきになる。
口の中や舌の皮がむけるほどピリッとする味に魅せられてしまう。

（つづく）
http://www.chosunonline.com/site/data/html_dir/2012/08/18/2012081800546.html
http://www.chosunonline.com/site/data/img_dir/2012/08/18/2012081800530_0.jpg

904 ：デフォルトの名無しさん：2012/08/20(月) 00:09:23.27

韓国の新聞社がちゃんと証言してるんですけど？

#昔、寒くてガンギエイがあまり発酵しない冬には、堆肥を腐らせる堆肥置き場にガンギエイを置いておくこともあったという。

905 ：KPOPに乗り遅れた、在日が多くいる芸能ヤクザ工作員にはご注意を：2012/08/20(月) 00:25:33.44

>>904
君は日本語がちゃんと読めるの？
>>896が何を書いてあるか全く読めないの？
あなた本当に日本人？
エイはサメと同じようにアンモニアを多く含んでいて
腐りにくいために日本の海から離れている山間部で
サメとかがたべられていたのもしらないの？
http://ja.wikipedia.org/wiki/%E3%82%B5%E3%83%A1#.E9.A3.9F.E6.9D.90.E3.81.A8.E3.81.97.E3.81.A6.E3.81.AE.E3.82.B5.E3.83.A1
http://ja.wikipedia.org/wiki/%E3%82%A8%E3%82%A4#.E5.88.A9.E5.AE.B3

906 ：KPOPに乗り遅れた、在日が多くいる芸能ヤクザ工作員にはご注意を：2012/08/20(月) 00:29:39.30

韓流依存の低いテレ朝でも韓国ドラマなくなったら
倒産するらしい
他も推して知るべしといったところだな
テレビ局総倒れということだな

422+1 ：名無しさん＠お腹いっぱい。 [sage] ：2012/08/18(土) 19:48:49.96
>>421
そんな事をやったら体力の無いテレ朝は潰れますからｗ
テレ朝の親玉・朝日新聞だってTBSと組んで韓流やってるのにｗ
新聞業界も将来どうなるか分からないし朝日新聞も潰れない保証は無い

もう、命綱といわれる韓国ドラマを一切やめて
一度全局倒産したうえですべてリセットした方がいいわ
批判しながら韓国ドラマはネット配信に取られたくないとかいう
ダブルスタンダードなんか甘いの一言なんだよ
もう、何もかもうんざりだ

テレビ局の給料なんて
持ち株会社化する前のフジテレビの
全社員の給料分でさえ
一日２０時間平均で２００万円台程度なんだから
こんなはした金じゃ給料カットしても
在日だらけの日本のテレビドラマの
放映権ぶんの足しにもならない

だいたい芸能人のギャラが高すぎるんだよ
テレビ局員の給料も芸能人のギャラもすべてリセットだ
　　　　　　,,,
(　ﾟдﾟ)つ┃

907 ：デフォルトの名無しさん：2012/08/20(月) 00:30:45.01

君たちはこのスレが何のスレかも分からないの？

908 ：デフォルトの名無しさん：2012/08/20(月) 01:09:40.01

なんのスレか以前に
日本最大の右翼掲示板ですから

909 ：デフォルトの名無しさん：2012/08/21(火) 08:40:26.94

ネトウヨの陰謀論掲示板

910 ：デフォルトの名無しさん：2012/08/22(水) 20:43:41.52

ひとつのスレッドがメモリアクセスする命令を複数回連続して発行したとします。
（それぞれのメモリアドレスは別々です）

この場合、一つ目のメモリアクセス命令が完了するを待つ間に、
同じスレッドの次のメモリアクセス命令が実行を開始するなんてことはあるのでしょうか。

それとも、先のメモリアクセス命令が完了するまで、
次のメモリアクセス命令は実行されずにスレッド自体が止まるのでしょうか。

この辺りの挙動はグローバルメモリへのアクセスでも、
シェアードメモリへのアクセスでも同じでしょうか。

911 ：デフォルトの名無しさん：2012/08/22(水) 22:39:11.86

>>910
シェアードだろうがグローバルだろうが、両方ともあり得る

912 ：デフォルトの名無しさん：2012/08/22(水) 22:45:26.68

>>911
ということは、シェアードメモリにアクセスする命令を複数回連続して発行した時も、
バンク・コンフリクトは起こり得るのですか。

つまり最適化のためには、並列に実行される複数のスレッドからのアクセスだけでなく、
ひとつのスレッドからアクセスするシェアードメモリについても、
バンク・コンフリクトを意識しないといけないのですね。

913 ：デフォルトの名無しさん：2012/08/22(水) 23:10:20.78

まぁ要するに韓国が絡むとどこでも気持ち悪くなるという話だな。

ｽﾚ違いの話をいつまでも続けるんじゃねぇよカスが。

914 ：デフォルトの名無しさん：2012/08/22(水) 23:42:54.15

ネトウヨの妄想陰謀論は他でやれ

915 ：川田裕美とかいう基地外女狐アナがいるYTVには注意を：2012/08/23(木) 00:15:45.88

このスレを嫌韓レスで荒らしまわる
「情報ライブ　ミヤネ屋」に出ている
川田裕美とかいう読売テレビの
馬鹿女狐アナウンサーに抗議だ

川田の女狐の上司のtwitter
http://twitter.com/TakeshiMori

川田の女狐のtwitter
http://twitter.com/hiromikawata

読売テレビに直接抗議する場合
http://www.ytv.co.jp/bangumishinsa/opinion.php

916 ：デフォルトの名無しさん：2012/08/23(木) 10:20:57.08

>>912
読みまちがえた、1つのスレッドが連続してメモリを読み書きする場合か。
それならシリアルに実行される

917 ：デフォルトの名無しさん：2012/08/23(木) 12:37:41.11

>>916
ありがとうございます、了解しました。

918 ：デフォルトの名無しさん：2012/08/26(日) 23:23:46.47

北森瓦版 - “Hyper-Q”によりHPC性能を高めるNVIDIAのGK110
http://northwood.blog60.fc2.com/blog-entry-6178.html

919 ：デフォルトの名無しさん：2012/08/26(日) 23:52:48.70

>>918
う～ん、よー分からんｗ

920 ：デフォルトの名無しさん：2012/08/27(月) 00:51:04.43

>>918
うむ、よくわからんｗ

921 ：デフォルトの名無しさん：2012/08/27(月) 01:16:35.68

CPU→GPUのデータロードのボトルネック解消(?)のように思えるけど、
ボトルネックになってるのは大抵GPU内の計算かVRAM←→GPUのアクセスじゃなかったっけ？

922 ：デフォルトの名無しさん：2012/08/27(月) 01:29:55.85

つまりOut-Of-Orderのメモリ転送ってことなのかな？
QってQueueを意味してたり。

923 ：デフォルトの名無しさん：2012/08/27(月) 01:38:43.40

1本当たりの帯域はへるけど最大３２本までメモリ転送が平行でできるってこと
のように見える。データ待ちを減らしてMPIのような全体協調アプリの性能を上げる
というようなものかな

924 ：デフォルトの名無しさん：2012/08/27(月) 02:37:07.85

ひょっとして律速がGPU内の計算かVRAMアクセスかとかいうレベルじゃなくて
ばんばん主記憶からデータを持ってこないといけないようなGPGPUプログラムに対する
向上策って感じなのかな？

925 ：924：2012/08/27(月) 02:41:50.83

例えばDSPの代用みたいにリアルタイム処理で使うなら頻繁にCPU←→GPUがあるだろうから効果あるのかも。

926 ：デフォルトの名無しさん：2012/08/28(火) 00:21:44.67

いままで、非同期処理にストリームを使っていたところ、
結局ジョブのキューが1個しかないからいろいろ制限がかかってた。
それを、キューをコア数分だけ用意することによって･･･
という話かと考えた

927 ：ぼんじん：2012/08/28(火) 17:52:18.51

Geforce580からGeforce690に変更し，
SDKのサンプルを動かしたのですが，動作が遅いです.
そもそもCPUの動作も以前より格段に悪いです.
なぜかわかる方いたら教えていただけないでしょうか？

ちなみに
ドライバーやその他の設定は580のときのままです.
また，cuda4.0を使用しOSはwin7 64bitです.

928 ：デフォルトの名無しさん：2012/08/28(火) 18:03:17.00

>>927
CUDAの性能に限って言えば580が一番高いんじゃないの?
6xxシリーズは単精度の浮動小数点演算以外の性能は削りまくってる
みたいだし。命令ごとのクロック数の表をみたら一目瞭然でしょ。
自分は580 SLIだけど、Kepler 2が一般消費者向けに販売されるまで様子見してる。

929 ：デフォルトの名無しさん：2012/08/28(火) 18:12:11.00

これ、参考までに貼っておくね。
「命令別スループット」の表を見てちょうだい。

GTX680のグラフィック・GPGPU性能を調べる
http://dokumaru.wordpress.com/2012/03/27/gtx680-spec/

930 ：デフォルトの名無しさん：2012/08/28(火) 18:56:31.66

>>929
マジかよ… なんじゃこりゃ…

I32加算：8/7、1、1
論理演算：24/17、1、1

931 ：デフォルトの名無しさん：2012/08/28(火) 19:13:28.84

>>930
この話、今年の3月頃に2chで出てたよ。
http://anago.2ch.net/test/read.cgi/software/1311428038/633-643n

932 ：デフォルトの名無しさん：2012/08/28(火) 19:16:38.84

>>929
うわぁ･･･。
ここまでヒドいとは･･･。

933 ：デフォルトの名無しさん：2012/08/28(火) 19:28:15.03

よく見たら680/690のGPGPU性能が芳しくないという話はこのスレでも出ているな。
>>635には同じリンクが紹介されてる。

934 ：デフォルトの名無しさん：2012/08/28(火) 19:30:54.80

これ大事だから次スレのテンプレに入れておいたほうがいいな。

935 ：デフォルトの名無しさん：2012/08/28(火) 19:31:10.08

Kepler2だとこれ改善されるの？
↓
I32加算：8/7、1、1
論理演算：24/17、1、1

936 ：デフォルトの名無しさん：2012/08/28(火) 19:38:27.35

>>931
っつか、団子さんがCUDA関連のスレにいることに驚いたｗ

937 ：デフォルトの名無しさん：2012/08/28(火) 19:40:43.08

>>935
グラフィックに不要な部分をばっさり切ったのがkepler1なので当然改善するでしょう。
問題はマス向けのお値段でkepler2が出るのかどうか心配な点。。

938 ：デフォルトの名無しさん：2012/08/28(火) 20:07:43.47

チョンと在日チョンは直ぐにファビョります(火病)。
これは劣等遺伝子を持つチョン特有のもので、最近もジャップスレ立てていた犬猿単細胞がファビョったので
容易くレイプ劣等チョン遺伝子を持っている事が分かります。分かりやすいですね？

チョン語と日本語はそっくりな発音が多いとされる。これは、チョンが朝鮮併合後に日本語から
取り入れたものである。つまり、当時のチョン語では単語が足りず、文法も原始的だったのだ。
併合後、日本から取り入れたために発音その他が同じものが多く残っているのである。
当時のチョンは、当時の日本人がびっくりするくらいの土人乞食そのものであったのだ。

日本の朝鮮併合前の写真である(当時のチョン半島の写真)。
当時のチョン半島が如何に土人乞食の文化がまるでないカス民族であったかが分かるだろう。
これがチョン歴史の真実である。乳丸出しの民族衣装がチョンのリアルの民族衣装である。

ttp://www13.plala.or.jp/keibagogo/img/chosen2.jpg
ttp://nandakorea.sakura.ne.jp/img/hitob.jpg
ttp://www13.plala.or.jp/keibagogo/img/chosen3.jpg
ttp://blog-imgs-32.fc2.com/x/i/a/xianxian8181/CHONONNA.jpg

なのでクソを喰う風習も真実ならば、嫁入り前の娘を父親がパンパンと犯すレイプ文化も
リアルにチョンの実態そのものである。チョンが歴史を捏造するのは、こういう恥辱に
まみれた人以下の文化しかない真実を隠そうとしているだけなのだが、現在もチョンは
犯罪とレイプしかしない屑以下の存在である。何でもかんでも捏造し、まさに生きている
価値すらない。チョンと在日チョンは一匹残らず皆殺しにしなければならない。

数学五輪に各国が力を入れていないだけの話ですね。その間隙をぬって一位になったチョンが
工業力で優秀ですか？ノーベル賞を一人でも輩出しましたか？
製品をコピーして低価格で販売するだけしか能がチョンが何を言っているのでしょうか。
自己満足は楽しいですか？

939 ：ぼんじん：2012/08/29(水) 14:04:13.81

昨日の続きです.
GTX690に変更したところ，580で動作していたプログラムが
動作しない(途中で落ちるor動作が鈍い)くなったんですが
なぜだかわかりますか??

CUDA4.0とGTX690の相性が悪いのでしょうか？？

940 ：デフォルトの名無しさん：2012/08/29(水) 15:17:00.28

CUDA 4.0で普通に動いていたプログラムが
CUDA 4.2にしただけで速度が1/5ぐらいになったぞ。
ひょっとしてCUDA 4.2って地雷?

941 ：デフォルトの名無しさん：2012/08/29(水) 15:31:11.79

俺も4.0から4.2にした時に、
コンパイル時のメッセージで
「とりあえず浮動小数点は全部倍精度にしとくね！」
みたいなメッセージが出てた気がするけど
単精度メインの人だと処理速度に影響出たりするのかな？
あんまり検証してなくてスマン

942 ：デフォルトの名無しさん：2012/08/29(水) 15:35:05.42

ほとんど整数演算だから一般的な使い方とは違うけど、それにしても遅すぎ!
4.0に戻して検証してみるよ。

943 ：デフォルトの名無しさん：2012/08/29(水) 16:13:00.31

遅くなったと思ったのは勘違いだった。スマソ。
でも4.0で何ら問題なくコンパイルできたプログラムが
4.2だとReleaseにするとコンパイラが落ちてビルドできなかったりと
挙動が不審すぎる。4.1でも4.2と変わらない。

…よくみたらマクロ使いまくった変態的プログラミングをしていた箇所で
ciccが落ちてた。この箇所書きなおさないといけないなorz

944 ：ぼんじん：2012/08/29(水) 17:58:34.05

939の問題なのですが解決しました。
ただの接触不良みたいでした.

もうひとつ質問なのですが，
GPUに重い処理をさせたらOSごと落ちることありますよね？？
あれってなぜなるのですが，また，GPUの性能とどのようにかかわりがあるのですか？

すみません。よろしくお願いします。

945 ：デフォルトの名無しさん：2012/08/29(水) 18:04:59.64

熱排気がダメで高温落ちじゃないの

946 ：デフォルトの名無しさん：2012/08/29(水) 19:00:44.88

電力オーバーとか

947 ：ぼんじん：2012/08/29(水) 20:53:17.64

なるほど...
分かりました！！　調べてみます。
ありがとうございました。

948 ：デフォルトの名無しさん：2012/08/30(木) 01:44:21.70

やっぱりまだまだGPUプログラミングは厄介だね･･･

949 ：デフォルトの名無しさん：2012/08/31(金) 01:14:31.68

>>944
windows7だとGPU処理が一定時間返ってこないとディスプレイ落ちるが..
それとは違うんだな？

950 ：デフォルトの名無しさん：2012/08/31(金) 03:11:10.90

>>947
Windowsはドライバの応答がなくなると固まる
10秒以上かかりそうな処理は適当な間隔で戻してループしないとダメなようだ

951 ：デフォルトの名無しさん：2012/08/31(金) 03:37:51.28

その制限、解除出来るけどね

952 ：デフォルトの名無しさん：2012/08/31(金) 11:41:53.61

>>951
土下座しますので教えてください｡

953 ：デフォルトの名無しさん：2012/08/31(金) 14:25:20.17

>>951
できねーよ
できるならここに詳細を書いてみろ(プゲラ

954 ：デフォルトの名無しさん：2012/08/31(金) 14:53:58.24

>>947
>>950-953
制限の解除ってこれのことだろ。

CUDAカーネル実行のタイムアウト - PukiWiki Plus!
http://imd.naist.jp/~fujis/cgi-bin/wiki/index.php?CUDA%A5%AB%A1%BC%A5%CD%A5%EB%BC%C2%B9%D4%A4%CE%A5%BF%A5%A4%A5%E0%A5%A2%A5%A6%A5%C8

これもだいぶ前に2chで出てた話。「プゲラ」じゃねーよｗ

955 ：デフォルトの名無しさん：2012/08/31(金) 16:09:02.05

nVIDIAが出してるツール使えばレジストリエディタさえ使わずに制限解除できる。

956 ：デフォルトの名無しさん：2012/08/31(金) 17:32:02.29

　　　　　　ｸ　　　ｸ　｜|　プ　//
　　　　　　ｽ　ｸ　ｽ　　| | │　//
　　　　　　／ｽ　　　　| | ッ //　　ｸ　　　ｸ　｜|. プ　//
　　　　　　／　　　　　　　 //　　　ｽ　ｸ　ｽ＿ | | │　//
　　　　　　　　／￣￣＼　　　　　／　ｽ　　 ─ | | ッ //
　　　　　　　／　　_ノ　　.＼　　　／　　　　　　　　　//
　　　　　　｜　　（＞）（＜）　　　　　＿＿＿_
.　　　　　｜　　⌒（__人__）　　　.／　⌒　 ⌒＼
　　　　　　　 |　　　　｀ Y⌒l　　　／　（＞）　（＜）＼
.　　　　　　 |　　　　. 人__ ヽ　／　::::::⌒（__人__）⌒ ＼
　　　　　　　ヽ　　　　 }|　| | 　　　　｀ Y⌒ l__　　　|
　　　　　　　　ヽ　　　　ノ､|　|　＼　　　　人＿　ヽ／
. 　　　　／^l 　　　　　 / /　　,─l　　　　　　ヽ　＼

957 ：デフォルトの名無しさん：2012/09/06(木) 04:15:38.53

竹島問題で　韓ドラとＫ－ＰＯＰが消える！？

　竹島問題を巡る日本と韓国の対立はテレビ界でも大きな影響が出始めている。韓流ドラマとＫ―ＰＯＰが近いうちに
消滅するのではと囁かれているのだ。

　この３年でテレビで放送された韓流ドラマは約５００番組、日本でデビューしたＫ―ＰＯＰのグループは３０組以上
にも上る。テレビ局にとってはドル箱といっていいコンテンツだった。

「例えば、韓ドラはテレビ局には安く、そこそこ視聴率が稼げる番組として重宝がられました。買い付け価格は一時上がり
ましたが、最近はダウンし、初回購入の一番組の単価が５００万円程度というものもあった。しかも、３回まで再放送が
認められるのでＢＳやＣＳが飛びついていた。一方、Ｋ―ＰＯＰは音楽番組に出るのはプロモーションの一環で出演料が
かからなかったり、レコード会社が立て替えて支払ってくれるケースも多かったのでメリットが大きかった」（事情通）

　だが、例の問題で状況が一変した。すでに日本テレビやテレビ朝日、ＴＢＳなどは年末年始の番組編成から韓ドラ枠を
大削減する方針を固めたという。音楽番組もＫ―ＰＯＰのゲスト出演を極力減らしていく方針だという。また、
韓国びいきと批判されているフジテレビでさえも韓ドラからの撤退、Ｋ―ＰＯＰの露出を減らしているという。

「李明博大統領が竹島上陸、ロンドン五輪でサッカー韓国代表メンバーが『独島は我が領土』というメッセージを掲げ、
韓流スターらが竹島に泳いで渡るという反日的ニュースが流れてから、ＢＳとＣＳで視聴者の接触率が激減しました。
竹島問題で韓国の反日的なパフォーマンスが続く限り、来年４月の番組編成で韓ドラとＫ―ＰＯＰは地上波から消滅する
可能性が高い。ＮＨＫも韓ドラをかなり流していますが、右に倣えだと思います」（民放編成マン）

　テレビ局にとっては韓ドラに代わるコンテンツが見つからないのは頭が痛いが、Ｋ―ＰＯＰに代わるダンスミュージック
を発掘中とか。ＫＡＲＡもチャン・グンソクも来春以降は見ることができなくなる？

http://gendai.net/articles/view/geino/138538

958 ：デフォルトの名無しさん：2012/09/06(木) 15:43:16.73

>>959
北チョン芸能ヤクザとべったりともっぱらの
日刊ゲンダイの記事かよ
北チョン芸能ヤクザ自身が書いているともいわれているな

959 ：デフォルトの名無しさん：2012/09/06(木) 15:45:02.26

>>957
北チョン芸能ヤクザとべったりともっぱらの
日刊ゲンダイの記事かよ
北チョン芸能ヤクザ自身が書いているともいわれているな

960 ：デフォルトの名無しさん：2012/09/06(木) 16:33:15.43

嫌いな国ランキング 2012 投票受付中！
http://japaneserank.enq1.shinobi.jp/vote/101289/

961 ：デフォルトの名無しさん：2012/09/10(月) 10:01:39.59

このスレは何故かネトウヨの陰謀論がよく沸くね

962 ：デフォルトの名無しさん：2012/09/10(月) 14:52:31.77

num = 0;
for(i = 0;i < 100;i++)
{
if(条件)
{
list[num++] = i;
}
}
のような感じである条件をみたすものだけを
リストに追加、その個数をカウントしたいのですが
CUDAで実装可能でしょうか。

963 ：デフォルトの名無しさん：2012/09/10(月) 19:38:53.36

可能は可能。極論言えばそのループを1スレッドで回せばいい

効率よくできるかどうかは詳細部分に依存する。

964 ：デフォルトの名無しさん：2012/09/10(月) 22:36:27.59

苦手な部類だな。
CPUの方がよっぽど手っ取り早くやってのけられる。
仮にiの最大値が100なんてしょぼい数じゃなく巨大なら、
スレッド数で分割してスレッドごとにlistを作って後で繋ぐこともできるけど。

965 ：デフォルトの名無しさん：2012/09/10(月) 23:56:13.94

リストに順に詰めていくことに意味があるのなら、それはつまり
i==nのときの処理の後でないとi==n+1のときの処理を行えないことを意味するので、
並列化に向いていない。
100じゃなくてもっと大きい数でなおかつ格納順を気にしなくていいなら>>964の言ってるとおり。

あとカウントはAtomicAddとかを使うよりトーナメント方式(？あの隣同士をlogN段階に分けて
足すやつ)のほうが早かった気がする。

966 ：962：2012/09/11(火) 00:28:33.85

ありがとうございます。順序は関係ないので
>>964さんの方法で分割しようと思います。
ただ、listを繋ぐために要素をコピーしていくのも
時間がかかりそうです（自分の理解が浅いかもしれませんが）
CPUが手っ取り早いかもしれません。

967 ：デフォルトの名無しさん：2012/09/11(火) 08:38:02.06

条件の真がint の1になるなら分岐せずに
= (条件) * i
にするとか

968 ：デフォルトの名無しさん：2012/09/11(火) 12:28:22.33

順序が関係ないなら、いろいろやりようがあるな。
メモリに余裕があれば、条件が真か偽かで1/0を入れるところまで
馬鹿並列で計算してしまって、それからリダクションみたいな操作
（たぶん上で言ってるトーナメント方式ってのと一緒）で詰めるとか

969 ：965：2012/09/12(水) 02:35:53.57

ごめんなさい、リダクションです。
965では正しい呼び方がわからずにイメージでトーナメントって語を使っただけなので
間違って用語を覚えないようトーナメントは忘れてください。

ググってわかったんだけど、リダクションって結合法則さえ満たせば交換法則は
満たしていない演算でも適用可能なんだね。まさに3Dの行列積にぴったりじゃん！
応用する場面は俺には思いつかないけど…

CUDA - Reduction
http://sammaya.garyoutensei.com/gpgpu/reduction.html

970 ：デフォルトの名無しさん：2012/09/12(水) 08:22:42.04

>>962
prefix scanを使えばきれいに並列化できる
thrustのcopy_ifを参照

971 ：デフォルトの名無しさん：2012/09/20(木) 00:50:04.04

時代はOpenCLじゃないのか?
俺様のみのCUDAって先がないって感じじゃないか

972 ：デフォルトの名無しさん：2012/09/20(木) 01:24:52.39

事実上CUDAが標準じゃないの

973 ：デフォルトの名無しさん：2012/09/20(木) 02:19:17.46

openclの時代は来るだろうし誰も期待してない訳ではなかろ

ただまだcuda脅かす感じじゃないよな
先はどうなんだろ、まだ見ぬkepler2の動的並列化が標準化される頃にはまた状況変わってるだろうしなあ
xeon phiとか出てくるし

974 ：デフォルトの名無しさん：2012/09/20(木) 02:33:52.37

らくちんにプログラムしたけりゃCPUで、性能欲しけりゃCUDAで、って感じでOpenCLはその中間にある。

中間とはいっても、だいぶCUDA側に寄ってるわけで、
CPUプログラミングからわざわざやってくる人は性能を求めてるわけだからOpenCLを
すっ飛ばしてCUDAやるんじゃないかっていう。

しかしコンシューマ用のKeplerを見る限りはなんかnVidiaは安心してサボってるような印象は受ける。
Geforce 7xxシリーズもGPGPUとしては使いにくいものになりそうなので
MaxwellでFermiの上位互換的なものがくることに期待。
でもたぶんこない。コンシューマ向けのGPGPU体験/普及キャンペーンはFermiで終了したっぽい。

975 ：デフォルトの名無しさん：2012/09/20(木) 03:38:42.80

>>974
7xxはFermiの「上位互換」だと思ってたけど…
コアはTesla K20と同じGK110でしょ?

976 ：デフォルトの名無しさん：2012/09/20(木) 03:42:26.00

>>976
>>975のソースはこれね。

NVIDIA's Monster GPU for Tesla K20, 2013 GeForce and Quadro Cards
http://vr-zone.com/articles/nvidia-s-monster-gpu-for-tesla-k20-2013-geforce-and-quadro-cards/15884.html

977 ：デフォルトの名無しさん：2012/09/20(木) 04:22:00.80

性能がほしいからGPU使うのにOpenCL使って性能でないとか馬鹿すぎるので
みんなCUDA使ってるよ

978 ：デフォルトの名無しさん：2012/09/20(木) 04:28:20.17

とんがった用途に汎用環境とか、根本的に矛盾してるよね。

Radeon/ATI stream どうなった？

979 ：デフォルトの名無しさん：2012/09/20(木) 05:56:44.18

Occupancyを上げるためにPTXでコードを書き直してレジスタ数を削ったり、
48Kしかない共有メモリの使い方をああでもないこうでもないと工夫しているというのに、
NVIDIAのカードでOpenCLを使うなんて考えられない。

980 ：デフォルトの名無しさん：2012/09/20(木) 15:39:06.62

CUDAってFORTRANみたいな感じになって、デスクトップのiGPU付きCPUでGPUは
汎用環境用に進化していくんじゃないか。
デスクトップdGPUに重要なのはゲーム、それ以外(GPGPU用)は
あんまり重要ではないから最新のデスクトップ用ケプラーでは
GPGPUを軽視したものにしたんだろ。
今後はとんがった用途にデスクトップ用GPUなんて使うな、
GPGPU用GPUを使えになるんじゃないのか。
デスクトップPC,iGPUの性能向上でゲーム以外の用途では
あんまりVGA要らなくなってきているってのが現状だし

981 ：デフォルトの名無しさん：2012/09/20(木) 15:42:45.03

APUはどこへ行くんだろうか

982 ：974：2012/09/21(金) 01:37:47.43

>>975
GK110をそのままスケールダウンしたものがミドルやそれ以下にくればいいけど、
7xxの最上位以外はGK104/106/107のマイナーチェンジなんじゃないかな？
4xx→5xxがそうであったように。
それだとTeslaの名前が変わっただけで俺のような下々の人間にとっちゃ何も変わらんのよ。

寂しいけど>>980の言うようにこうなっちゃいそうなんだよね。
>今後はとんがった用途にデスクトップ用GPUなんて使うな、
>GPGPU用GPUを使えになるんじゃないのか。

983 ：デフォルトの名無しさん：2012/09/21(金) 04:27:13.52

>>982
個人的にはGK110が780に来てくれさえすればいいんだけど、
別にローエンドにこないと決まったわけじゃないでしょ。

984 ：デフォルトの名無しさん：2012/09/21(金) 19:02:03.71

とんがった用途って具体的に何を使って何をしているんだ?

985 ：デフォルトの名無しさん：2012/09/21(金) 20:04:26.37

今発売中のgeforceの中では、どれが一番GPGPUに適してます？
6xxシリーズはダメっぽいって感じでいいのかな？

986 ：デフォルトの名無しさん：2012/09/21(金) 20:27:49.99

>>985
580/590の二択しかない。

987 ：デフォルトの名無しさん：2012/09/21(金) 20:29:40.94

>>985
でも単精度浮動小数点数だけでいいっていうんなら680/690もあり。
Tesla K10なんてのもあるぐらいだし、需要はあるんだろう。

988 ：デフォルトの名無しさん：2012/09/21(金) 21:26:04.21

OpenCLは全てが中途半端
OpenACCで学会の論文とかチラホラ出始めてるけど、当初の予想よりかなり良さそうなので、そのままOpenCLは駆逐される気がする。

989 ：デフォルトの名無しさん：2012/09/22(土) 20:38:26.65

>986,987
ふーむ。ありがとう

990 ：デフォルトの名無しさん：2012/09/22(土) 23:21:18.98

ここのひとはC++ AMPにも手を出してる？
OpenCLみたいに中途半端なんだろうか。

991 ：デフォルトの名無しさん：2012/09/23(日) 16:14:23.53

今はCUDA触れる環境がないから実験で確認できないのだが、
Warpと__syncthreads関数との関係について質問したい。

「はじめてのCUDAプログラミング」という本には、
俺の記憶では次のような意味に取れる事が書かれていたような気がする。

条件分岐にさしかかった場合、
Warp内の「全てのスレッド」がまず一方の分岐を処理し、
本来そちらには行かないはずのスレッドは計算結果を捨てる。
それからもう一方の分岐をまた「全てのスレッド」が通り、
本来そちらには行かないはずのスレッドは計算結果を捨てる。

しかし「CUDA BY EXAMPLE」という本には、これとは違い、
分岐した各スレッドは分岐のもう一方の道は通らないと書かれている。
だから、ifの中に__syncthreadsがあってそこを通らないスレッドがあると、
全てのスレッドが__syncthreadsに到達するという条件が決して満たされず
ハングアップするのだという。

前者の解釈ならifの中に__syncthreadsがあっても問題ない。
最後に計算結果を捨てるが、とりあえず全スレッドがそこを通る。
後者の解釈ならマズイことになる。

本当はどっちの解釈が正解？
それとも実装依存で、環境によってどちらもあり得る？

992 ：デフォルトの名無しさん：2012/09/23(日) 18:31:53.98

>>991
if (...) {
....
__syncthreads();
...
} else {
....
__syncthreads();
....
}
は問題ない。昔エミュレータでエラーになることはあったけどGPUでは問題なく動作していた。

993 ：991：2012/09/23(日) 18:41:53.63

>>992
if (...) {
....
__syncthreads();
...
} else {
....
}

でWarp内のスレッドが分かれるの場合の話。

「はじめてのCUDAプログラミング」の解釈だと問題ないと思われるけど、
「CUDA BY EXAMPLE」だとはっきりマズイと書かれている（日本語版73ページ）。

994 ：デフォルトの名無しさん：2012/09/23(日) 18:43:24.23

>>991
少なくともWarp内の全てのスレッドの分岐が同方向なら、
そちらには行かないはずでは。
__syncthreadsがWarp単位で数えていたか、
thread単位で数えていたかは分からんが、
少なくとも全Warpが同じ__syncthreadsを
通る必要はあるだろう。

>>992
MPIのbarrierと違って数だけ辻褄合わせても駄目で
ソースの同じ行にある__syncthreadsを通らなきゃいけないとか
制限無かったっけ？

995 ：デフォルトの名無しさん：2012/09/23(日) 22:29:32.32

>>991
CUDA4.2のCUDA_C_Programming_Guide.pdfの89ページには
以下の記述がある。
>__syncthreads() is allowed in conditional code but only if the conditional
>evaluates identically across the entire thread block, otherwise the code execution is
>likely to hang or produce unintended side effects.

仕様上は全スレッドで同じ__syncthreadsを実行しろと書いてあるから、
たとえ今のハードやコンパイラでたまたまOKでも
よろしくない書き方だろう。

996 ：忍法帖【Lv=38,xxxPT】(1+0：5) ：2012/09/23(日) 22:46:33.66

>>995でFAみたいだね。結局二つの本のどちらも間違ってなかったんじゃないかな？

っていうか>>991をよく見ると「はじめてのCUDAプログラミング」にしたって、
Warp内またはBlock内で分岐が割れるところに_syncthreads()を置いていい、とは書いてないみたいだし。

俺はその本持ってないけど、プログラムの動き方の説明あたりだと予想。
処理時間が片方はT1、片方はT2かかる分岐でなおかつWarp内で割れる場合だと、
処理時間はmax(T1,T2)じゃなくてT1＋T2かかる的な話の。

次スレどうしよう。23:15まで誰も立てないようなら俺が立ててみようかな。

997 ：996 忍法帖【Lv=38,xxxPT】(3+0：5) ：2012/09/23(日) 23:21:06.42

次スレ立てました

【GPGPU】くだすれCUDAスレ part6【NVIDIA】
http://toro.2ch.net/test/read.cgi/tech/1348409867/l50

998 ：991：2012/09/24(月) 21:22:27.56

みんなレスありがと。

>>995
俺も Programming_Guide 読んでみた。
確かに __syncthreads() を通るスレッドと通らないスレッドがあるとマズイと書かれてるね。
仕様なんで、ちゃんと従うようにするよ。

>>996
図書館で「はじめてのCUDAプログラミング」をもう一度確認したら、次のように書かれてた。
ちょっと長いけど引用する（改行は俺が勝手に入れた）。

-----( 52ページから引用 )-------------------------------
if (threadIdx.x & 1)
a = a + 2;
else
a = a + 1;
　この例では「スレッド番号」が「奇数」の場合と「偶数」の場合で異なる処理をします。
　どちらの方向に分岐するスレッドも、「ウォープ」内にあります。
このとき、「a=a+2」と「a=a+1」の両方の命令が実行されます。
単純に両方実行すると「a=a+3」と同じことになってしまいますが、
「a=a+2」のほうはスレッド番号が奇数のスレッドのみ有効に、
「a=a+1」のほうはスレッド番号が偶数のスレッドのみ有効にすることで実現されます。
　ここで加算命令を実行した結果は有効なスレッドに対してのみ反映されます。
　有効でないスレッドに関しては、命令を実行していないのと同じ状態になります。
--------------------------------------------------------

この「命令」や「実行」、「反映」、「実行していないのと同じ状態」
という言葉がやや曖昧ではっきりしない印象だけどね。
「a=a+2」の方を __syncthreads() に変えたら偶数番目のスレッドは実行される？
それとも命令を実行していないのと同じ状態になる？
この説明だけではよく分からん。

999 ：996：2012/09/25(火) 01:49:08.14

>>998
「命令を実行していないのと同じ状態」だからつまりそういうことでいいんじゃないかな。
俺が前もって答え（>>995）を知ってるからそう思うのかもしれないけど。

1000 ：デフォルトの名無しさん：2012/09/25(火) 02:19:00.28

クゥ～～･･･　　ッダ！！

1001 ：１００１：Over 1000 Thread

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。。。